Grok 4.7 API

Tekniske spesifikasjoner for Grok 4.7

Grok 4.7 er xAIs toppmodell for koding, agentiske oppgaver og kunnskapsarbeid. Den offisielle API-modell-ID-en er grok-4.7. xAI dokumenterer et kontekstvindu på 500K tokens, tekst- og bildeenndata med tekstutdata, konfigurerbar resonneringsinnsats og støtte for både Responses API og Chat Completions.

Hva er Grok 4.7?

Grok 4.7 er en ny xAI-modell lansert 21. september 2026, posisjonert for langvarig koding, agentiske arbeidsflyter og profesjonelt kunnskapsarbeid. xAI sier den bruker en større basismodell enn Grok 4.6 og en lengre reinforcement learning-kjøring med fokus på oppgaver som kan ta timer å fullføre. Modellen er også trent til å forstå Grok Bot-harnesset native, med vekt på å sjekke eget arbeid og håndtere lengre kontekster.

For utviklere er den viktige endringen ikke bare en høyere referansescore. Grok 4.7 kombinerer et 500K-kontekstvindu, styring av resonneringsnivå via reasoning_effort, verktøystøtte og multimodal inndata i en modell beregnet på utvidede agentløkker.

Hovedfunksjoner i Grok 4.7

• 500K-tokenkontekst: Det store kontekstvinduet er designet for store kodebaser, utvidede agentsesjoner, store tekniske dokumenter og flerstegs kunnskapsarbeidsoppgaver.
• Konfigurerbar resonnering: Utviklere kan velge low, medium, high eller xhigh, der high er standard. Dette lar deg justere beregningsressurser etter oppgavens kompleksitet.
• Optimalisert for koding og agentiske arbeidsflyter: xAI posisjonerer Grok 4.7 spesielt for programvareutvikling, agentiske oppgaver og langvarige profesjonelle arbeidsflyter.
• Multimodal inndata: API-et aksepterer tekst og bilder og produserer tekstutdata, noe som gjør modellen egnet til skjermbildeanalyse, visuell feilsøking og dokumentforståelse.
• Native verktøystøtte: Den dokumenterte kapabiliteten omfatter function calling, web search, X search og code execution.
• Fokus på pålitelighet over lang horisont: xAI rapporterer forbedringer i selvverifisering og håndtering av lange kontekster sammenlignet med Grok 4.6, i tråd med vektleggingen på flertimers oppgaver. citeturn0search0

Referanseytelse for Grok 4.7

xAIs lanseringsevaluering rapporterer følgende resultater. Dette er leverandørrapporterte målinger, og de bør tolkes i lys av hver benchmarks metodikk og konfigurasjon, ikke som en universell rangering.

*Det rapporterte DeepSWE-resultatet for Grok 4.7 bruker high effort. xAIs tabell oppgir disse målingene som del av lanseringssammenligningen.

Benchmark-profilen er oppgaveavhengig. Grok 4.7 viser betydelige gevinster over Grok 4.6 på de rapporterte evalueringene for koding, terminal, jus, klinikk og elektroteknikk, mens samme tabell viser andre toppmodeller foran på enkelte benchmarker. Dette gjør valg av benchmark viktig når Grok 4.7 evalueres for en bestemt arbeidslast.

Grok 4.7 vs Grok 4.6 vs GPT-5.6 Sol

Grok 4.7 og Grok 4.6 deler samme 500K-kontekstklasse og alternativer for resonneringsinnsats, men xAI rapporterer forbedrede resultater for Grok 4.7 i sin lanseringspakke av benchmarker. Sammenlignet med GPT-5.6 Sol avhenger det praktiske skillet av arbeidslasten: xAIs publiserte tabell viser ulike relative resultater på koding, kontorarbeid, terminalarbeid, juridisk arbeid, klinisk resonnering og elektroteknikk.

Begrensninger og implementeringshensyn

Grok 4.7 har et stort kontekstvindu, men et større vindu gir ikke nødvendigvis bedre resultater for alle langdokument- eller agentarbeidsflyter. Langvarige applikasjoner bør fortsatt styre konteksten bevisst, spesielt når samtaler akkumulerer verktøyutdata. xAI anbefaler prompt-cache routing og context compaction for lange agentløkker.

Modellen har heller ikke offentlig støtte for Batch API ifølge nåværende modelldokumentasjon. Utviklere som bygger batch-orienterte arbeidslaster, må derfor bruke de støttede synkrone API-mønstrene eller en annen utrullingsvei.

Referanseresultatene er leverandørrapporterte og varierer med benchmark-konfigurasjon og resonneringsinnsats. De bør behandles som oppgavespesifikk evidens snarere enn et enkelt universelt kvalitetsmål.

Representative brukstilfeller

1. Repository-skala koding: Analysere store kodebaser, implementere endringer på tvers av flere filer, feilsøke feil og resonnerer over lange historikker med saker.
2. Agentisk programvareutvikling: Kombinerer resonnering med function calling, kodekjøring og eksterne verktøy for flerstegs utviklingsarbeidsflyter.
3. Analyse av tekniske dokumenter: Prosesser lange spesifikasjoner, arkitekturdokumenter, forskningsmateriale eller prosjektlogger innenfor et 500K-tokenkontekst.
4. Visuell feilsøking: Analysere skjermbilder, diagrammer og andre bilder sammen med tekstlig ingeniørkontekst.
5. Profesjonelt kunnskapsarbeid: Utkast, analyse og revisjon av dokumenter eller strukturerte leveranser som krever utvidet flerstegs resonnering.
6. Forsknings- og informasjonsarbeidsflyter: Bruk web search og X search der oppdatert ekstern informasjon trengs og applikasjonen har nødvendige verktøytillatelser.

Slik får du tilgang til Grok 4.7-API-et via CometAPI

CometAPI har for tiden en dedikert Grok 4.7-modellside med modell-ID grok-4.7 og dokumenterte rutinger for /v1/chat/completions og /v1/responses. Den nåværende CometAPI-siden bekrefter at Grok 4.7 er tilgjengelig via deres API-lag.

Trinn 1: Skaff en CometAPI API-nøkkel

Opprett eller logg inn på en CometAPI-konto og hent en API-nøkkel fra API-konsollen. CometAPI tilbyr et samlet API-lag for tilgang til flere modellleverandører gjennom én konto.

Trinn 2: Velg grok-4.7

Bruk grok-4.7 som modell-ID og velg den dokumenterte CometAPI-rutingen som passer applikasjonen. Den nåværende modellsiden lister både /v1/chat/completions og /v1/responses. citeturn1search2

Trinn 3: Send og prosesser svaret

Send brukerens prompt gjennom valgt endepunkt, og prosesser det returnerte svaret i samme applikasjonsarbeidsflyt som brukes for andre CometAPI-støttede språkmodeller. For produksjonsutrulling, verifiser den live CometAPI-modellkatalogen og routedokumentasjonen før du låser implementasjonsdetaljer.