问题
当前 /v1/chat/completions 在使用 Grok Console 模型时，例如 grok-4.3、grok-4，即使调用方传入 stream=true，服务端也不是从 Grok Console 上游逐 token 转发。
现有逻辑大致是：
stream_grok_chat_completion() 判断不是 app-chat 模型后，调用 grok.console_chat_completion()。console_chat_completion() 内部通过 GrokConsoleClient.create_response(payload) 等待上游完整响应。- 上游完整响应返回后，再一次性构造 OpenAI SSE chunk。
因此客户端虽然拿到的是 SSE 格式，但首个 token 需要等完整上游响应完成后才出现。对长回答、联网搜索、推理模型来说，这会表现为“流式请求仍长时间无输出”。
影响
stream=true 不能降低首 token 延迟。- 客户端无法实时显示 Grok Console 的生成过程。
- 长请求更容易被网关、代理或客户端误判为无响应。
- 这和 OpenAI-compatible 客户端对
stream=true 的预期不一致。
期望行为
- 如果 Grok Console 上游支持流式 Responses，应在
GrokConsoleClient 中实现真正的流式读取，并逐步转换为 OpenAI SSE chunk。
- 如果上游暂不支持或当前实现暂不准备支持，应在文档或响应中明确说明 Grok Console
stream=true 是兼容格式，不是上游真流式。
- 更理想的行为是：
stream=true 时首个 SSE 事件应在上游开始返回内容后尽快输出，而不是等待完整回答。
建议改动
- 在
GrokConsoleClient 增加流式方法，例如：
def stream_response(self, payload: dict[str, Any]) -> Iterator[dict[str, Any]]:
payload = dict(payload)
payload["stream"] = True
...
stream_grok_chat_completion() 对 Console 模型不要调用阻塞式 console_chat_completion()，而是调用新的流式方法：
if not is_grok_app_chat_model(spec):
yield from grok.console_chat_completion_events(body, spec, messages)
- 将 Grok Console 流式事件转换为 OpenAI chat completion chunk：
- 普通文本映射到
delta.content。
- 推理文本如果存在，映射到
delta.reasoning_content。
- 错误事件转换为 SSE error 或最终错误响应。
- 如果暂时无法实现真流式，建议至少在代码注释和文档中明确：当前
stream=true 只是响应格式兼容，实际仍等待完整上游响应。
建议测试
/v1/chat/completions + model=grok-4.3 + stream=true 时，首个 chunk 应早于完整回答结束返回。- Console 普通文本 delta 能连续输出。
- Console reasoning delta 如果存在，应能连续输出或至少不丢失。
- 上游流式中断时，客户端能收到明确错误，而不是一直挂起。
stream=false 的现有非流式行为不应回归。
问题
当前
/v1/chat/completions在使用 Grok Console 模型时，例如grok-4.3、grok-4，即使调用方传入stream=true，服务端也不是从 Grok Console 上游逐 token 转发。现有逻辑大致是：
stream_grok_chat_completion()判断不是 app-chat 模型后，调用grok.console_chat_completion()。console_chat_completion()内部通过GrokConsoleClient.create_response(payload)等待上游完整响应。因此客户端虽然拿到的是 SSE 格式，但首个 token 需要等完整上游响应完成后才出现。对长回答、联网搜索、推理模型来说，这会表现为“流式请求仍长时间无输出”。
影响
stream=true不能降低首 token 延迟。stream=true的预期不一致。期望行为
GrokConsoleClient中实现真正的流式读取，并逐步转换为 OpenAI SSE chunk。stream=true是兼容格式，不是上游真流式。stream=true时首个 SSE 事件应在上游开始返回内容后尽快输出，而不是等待完整回答。建议改动
GrokConsoleClient增加流式方法，例如：stream_grok_chat_completion()对 Console 模型不要调用阻塞式console_chat_completion()，而是调用新的流式方法：delta.content。delta.reasoning_content。stream=true只是响应格式兼容，实际仍等待完整上游响应。建议测试
/v1/chat/completions+model=grok-4.3+stream=true时，首个 chunk 应早于完整回答结束返回。stream=false的现有非流式行为不应回归。