Az xAI október 27-én egyedi moderációs vezérlést adott a Grok szöveges API-jához. A fejlesztők a guidelines tömbben kérhetik, hogy a modell utasítsa el az erotikus tartalmat, a grafikus erőszakot vagy a trágár nyelvezetet. A beállítás a Chat Completions és a Responses API-ban, valamint az xAI Python SDK-jában érhető el.
Az új mező nem írja át a Grok teljes szabályrendszerét. Jelenleg három kategória (nsfw, violence, profanity) és egyetlen viselkedés (decline) választható; a kihagyott kategóriákban a modell alapértelmezett moderációja marad érvényben. A szabály kérésenként hat, ezért egy beszélgetés minden hívásában újra el kell küldeni — kivéve az xAI SDK chat.create felületét, amely a beállítást a csevegéshez köti.
Korlátból több is van. A funkció nem használható a többügynökös modellekkel vagy késleltetett válaszokkal, és bizonyos stop, illetve egynél nagyobb n paraméterekkel is hibát adhat. Érvénytelen kategóriánál 422-es, összeférhetetlen kérésnél 400-as választ küld az API, még a modell futtatása előtt.
Ez praktikus eszköz lehet ügyfélszolgálati vagy oktatási alkalmazások hangnemének szűkítésére, de nem helyettesíti a bemenetek ellenőrzését, a kimeneti osztályozást és a naplózott emberi felülvizsgálatot. A modell saját szavaival követi az irányelvet, így a fejlesztőnek továbbra is tesztelnie kell a határeseteket és az új modellverziókat.
Források: xAI dokumentáció, xAI kiadási jegyzet