Technische specificaties van Grok 4.7
| Specificatie | Grok 4.7 |
|---|---|
| Aanbieder | xAI / SpaceXAI |
| Model-ID | grok-4.7 |
| Releasedatum | 21 september 2026 |
| Primaire focus | Programmeren, agentische taken, kenniswerk |
| Invoermodaliteiten | Tekst, afbeelding |
| Uitvoermodaliteit | Tekst |
| Contextvenster | 500,000 tokens |
| Uitvoerlimiet | Geen door xAI vermelde limiet voor tekstuitvoer |
| Redeneerinspanning | low, medium, high, xhigh; high is de standaard |
| API's | Responses API, Chat Completions |
| Tools | Function calling, web search, X search, code execution |
| Kennisafkapdatum | May 2026 |
| Batch-API | Niet ondersteund |
Grok 4.7 is xAI’s frontiermodel voor programmeren, agentische taken en kenniswerk. De officiële API-model-ID is grok-4.7. xAI documenteert een contextvenster van 500K tokens, tekst- en afbeeldingsinvoer met tekstuitvoer, configureerbare redeneringsinspanning en ondersteuning voor zowel Responses API als Chat Completions.
Wat is Grok 4.7?
Grok 4.7 is een nieuw xAI-model, uitgebracht op 21 september 2026, gepositioneerd rond langdurige programmeertaken, agentische workflows en professioneel kenniswerk. Volgens xAI gebruikt het een groter basismodel dan Grok 4.6 en een langere reinforcement learning-trainingsfase, gericht op taken die uren kunnen duren. Het model is ook getraind om het Grok Bot harness native te begrijpen, met nadruk op het controleren van eigen werk en het beheren van langere contexten.
Voor ontwikkelaars is de belangrijkste verandering niet simpelweg een hogere benchmarkscore. Grok 4.7 combineert een contextvenster van 500K, redeneringsregelaars via reasoning_effort, toolondersteuning en multimodale invoer in een model dat bedoeld is voor uitgebreide agentloops.
Belangrijkste functies van Grok 4.7
- 500K-tokencontext: Het grote contextvenster is ontworpen voor lange repositories, uitgebreide agentsessies, grote technische documenten en meertraps kenniswerktaken.
- Configureerbare redenering: Ontwikkelaars kunnen
low,medium,highofxhighselecteren;highis de standaard. Dit maakt het mogelijk de compute-toewijzing aan te passen aan de complexiteit van de taak. - Optimalisatie voor programmeren en agentische taken: xAI positioneert Grok 4.7 specifiek voor software-engineering, agentische taken en langdurige professionele workflows.
- Multimodale invoer: De API accepteert tekst- en afbeeldingsinvoer en produceert tekstuitvoer, waardoor het model inzetbaar is voor screenshotanalyse, visuele debugging en documentbegrip-workflows.
- Native toolondersteuning: De gedocumenteerde mogelijkheden omvatten function calling, web search, X search en code execution.
- Focus op betrouwbaarheid op lange horizon: xAI meldt verbeteringen in zelfverificatie en beheer van langere contexten vergeleken met Grok 4.6, wat de nadruk op meer-uurstaken weerspiegelt. citeturn0search0
Benchmarkprestaties van Grok 4.7
xAI’s lanceerevaluatie rapporteert de volgende resultaten. Dit zijn door de aanbieder gerapporteerde benchmarkmetingen en moeten worden geïnterpreteerd in de context van de methodologie en configuratie van elke benchmark, in plaats van als een universele rangschikking.
| Benchmark | Grok 4.7 | Grok 4.6 | GPT-5.6 Sol | Fable 5.1 |
|---|---|---|---|---|
| CursorBench 4.0 | 46.3% | 40.4% | 41.7% | 51.8% |
| DeepSWE v1.1 | 71.0%* | 65.2% | 72.7% | 70.0% |
| AA Briefcase v1.1 | 1,657 | 1,546 | 1,487 | 1,678 |
| Terminal-Bench 4.0 | 38.0% | 20.3% | 37.3% | 57.9% |
| Harvey Legal Agent Benchmark | 19.6% | 15.8% | 2.5% | 6.7% |
| HealthBench Professional | 56.7% | 48.5% | 60.5% | 62.1% |
| EEBench | 64.0% | 53.0% | 39.4% | 56.4% |
*Het gerapporteerde DeepSWE-resultaat voor Grok 4.7 gebruikt high effort. xAI’s tabel rapporteert deze metingen als onderdeel van de lanceringsvergelijking.
Het benchmarkprofiel is taakafhankelijk. Grok 4.7 laat aanzienlijke verbeteringen zien ten opzichte van Grok 4.6 op de gerapporteerde evaluaties voor programmeren, terminal, juridisch, klinisch en elektrotechniek, terwijl dezelfde tabel andere frontiermodellen voorop laat lopen op geselecteerde benchmarks. Dit maakt de keuze van benchmark belangrijk bij het evalueren van Grok 4.7 voor een specifieke workload.
Grok 4.7 versus Grok 4.6 versus GPT-5.6 Sol
| Aspect | Grok 4.7 | Grok 4.6 | GPT-5.6 Sol |
|---|---|---|---|
| Context | 500K | 500K | Zie providerspecificatie |
| Kernpositionering | Programmeren, agents, kenniswerk | Programmeren, agents, kenniswerk | Algemeen frontier-redeneren |
| Redeneerinstellingen | Low / medium / high / xhigh | Low / medium / high / xhigh | Providerspecifiek |
| Invoer | Tekst + afbeelding | Tekst + afbeelding | Providerspecifiek |
| Toolondersteuning | Function calling, web search, X search, code execution | Vergelijkbare toolgerichte workflow | Providerspecifiek |
| Door xAI aangehaalde coding-benchmark | 46.3% CursorBench 4.0 | 40.4% | 41.7% |
Grok 4.7 en Grok 4.6 delen dezelfde 500K-contextklasse en redeneringsopties, maar xAI rapporteert verbeterde resultaten voor Grok 4.7 op de lanceringsbenchmark-suite. In vergelijking met GPT-5.6 Sol hangt het praktische onderscheid af van de workload: xAI’s gepubliceerde tabel laat verschillende relatieve prestaties zien over programmeren, kantoorwerk, terminalwerk, juridisch werk, klinisch redeneren en elektrotechniek.
Beperkingen en implementatie-overwegingen
Grok 4.7 heeft een groot contextvenster, maar een grotere context garandeert niet per se betere resultaten voor elke langdocument- of agentworkflow. Langdurige toepassingen moeten context nog steeds bewust beheren, vooral wanneer conversaties tooluitvoer accumuleren. xAI beveelt prompt-cache routing en context compaction aan voor lange agentloops.
Volgens de huidige modeldocumentatie is er geen publieke Batch-API-ondersteuning. Ontwikkelaars die batchgerichte workloads bouwen, moeten daarom de ondersteunde synchrone API-patronen gebruiken of een andere implementatieroute.
De benchmarkresultaten zijn door de aanbieder gerapporteerd en variëren per benchmarkconfiguratie en redeneringsinspanning. Ze moeten worden gezien als taakspecifiek bewijs in plaats van één universele maatstaf voor modelkwaliteit.
Representatieve use-cases
- Repository-schaal programmeren: Grote codebases analyseren, wijzigingen over meerdere bestanden implementeren, fouten debuggen en redeneren over lange issue-histories.
- Agentische software-engineering: Redenering combineren met function calling, code execution en externe tools voor meerstaps engineeringworkflows.
- Analyse van technische documenten: Lange specificaties, architectuurdocumenten, onderzoeksmateriaal of projectverslagen verwerken binnen een context van 500K tokens.
- Visuele debugging: Screenshots, diagrammen en andere afbeeldingsinputs analyseren naast tekstuele engineeringcontext.
- Professioneel kenniswerk: Documenten of gestructureerde deliverables opstellen, analyseren en herzien die uitgebreide meerstapsredenering vereisen.
- Onderzoeks- en informatieworkflows: Web search en X search-tools gebruiken waar actuele externe informatie nodig is en de toolmachtigingen van de toepassing dit toelaten.
Grok 4.7-API benaderen via CometAPI
CometAPI heeft momenteel een speciale Grok 4.7-modelpagina met de model-ID grok-4.7 en gedocumenteerde routes /v1/chat/completions en /v1/responses. De huidige CometAPI-pagina bevestigt dat Grok 4.7 beschikbaar is via de API-laag.
Stap 1: Verkrijg een CometAPI-API-sleutel
Maak een CometAPI-account aan of log in en verkrijg een API-sleutel via de API-console. CometAPI biedt een uniforme API-laag om via één account toegang te krijgen tot meerdere modelproviders.
Stap 2: Selecteer grok-4.7
Gebruik grok-4.7 als model-ID en selecteer de gedocumenteerde CometAPI-route die bij de applicatie past. De huidige modelpagina vermeldt zowel /v1/chat/completions als /v1/responses. citeturn1search2
Stap 3: Verstuur en verwerk de response
Verstuur de prompt van de gebruiker via het geselecteerde endpoint en verwerk vervolgens de geretourneerde response in dezelfde applicatieworkflow die ook voor andere door CometAPI ondersteunde taalmodellen wordt gebruikt. Verifieer voor productie-implementaties de live modelcatalogus en routedocumentatie van CometAPI voordat u implementatiedetails vastlegt.