优先处理会为 xAI API 请求提供更高的调度优先级，通常可缩短首 token 时间（TTFT）和 token 间延迟（ITL），在高需求时段尤其明显。将 service_tier: "priority" 添加到任意请求正文即可启用，无需预留容量或提前配置。该参数支持文本推理 endpoint：聊天补全和 Responses。

有可用的优先处理容量时，请求会排在标准流量之前。响应始终包含 service_tier 字段，指示是否获授优先处理；请据此确认。

工作原理

将 service_tier 字段添加到任意受支持的请求。API 会在响应中返回实际使用的层级，以便确认升级是否生效。

该 service_tier 字段接受以下值：

值	含义
`"default"`	标准处理，与完全省略该字段相同。
`"priority"`	以更高的每 token 价格请求更高的调度优先级。

优先处理请求按更高的每 token 费率计费。在应用优先处理倍数前，缓存输入 token 仍可享受缓存折扣。有关各模型当前费率和确切优先处理加价，请参阅价格页面。

快速开始

在请求正文中传入 service_tier: "priority"。响应中包含 service_tier 字段，用于确认实际使用的层级。

curl https://api.x.ai/v1/responses \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-4.7",
    "input": "Explain the Riemann hypothesis in one paragraph.",
    "service_tier": "priority"
  }'

import os

from xai_sdk import Client
from xai_sdk.chat import user

client = Client(api_key=os.getenv("XAI_API_KEY"))

chat = client.chat.create(
    model="grok-4.7",
    service_tier="priority",
)
chat.append(user("Explain the Riemann hypothesis in one paragraph."))

response = chat.sample()

print(response.content)
print(f"Tier used: {response.service_tier}")

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("XAI_API_KEY"),
    base_url="https://api.x.ai/v1",
)

response = client.responses.create(
    model="grok-4.7",
    input="Explain the Riemann hypothesis in one paragraph.",
    service_tier="priority",
)

print(response.output_text)
print(f"Tier used: {response.service_tier}")

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.XAI_API_KEY,
  baseURL: "https://api.x.ai/v1",
});

const response = await client.responses.create({
  model: "grok-4.7",
  input: "Explain the Riemann hypothesis in one paragraph.",
  service_tier: "priority",
});

console.log(response.output_text);
console.log(`Tier used: ${response.service_tier}`);

请求以优先层级提供服务时，响应包含 "service_tier": "priority"；如果改为使用默认层级，则包含 "service_tier": "default"。只有响应确认值为 "priority" 时，才会按优先处理费率计费。

{
  "id": "resp_abc123",
  "model": "grok-4.7",
  "service_tier": "priority",
  "usage": {
    "input_tokens": 42,
    "output_tokens": 156,
    "cost_in_usd_ticks": 37756000
  }
}

最佳实践

优先用于延迟敏感路径 — 对于响应时间直接影响体验的面向用户请求，优先处理最有价值。后台任务、评测和批量处理更适合使用 Batch API 时，才会按优先处理费率计费。
监控 service_tier 字段 — 记录返回的层级，追踪请求以优先或默认层级提供服务的频率，并与延迟指标关联分析。
结合 prompt caching — 在应用优先处理倍数前，缓存输入 token 会先享受折扣，因此 prompt caching 与优先处理可以很好地互补。

最后更新：2026 年 6 月 15 日