Grok 4.7 API

Especificações técnicas do Grok 4.7

Grok 4.7 é o modelo de ponta da xAI para coding, tarefas com agentes e trabalho do conhecimento. O ID oficial do modelo na API é grok-4.7. A xAI documenta uma janela de contexto de 500K tokens, entradas de texto e imagem com saída em texto, controles configuráveis de raciocínio e suporte tanto para Responses API quanto para Chat Completions.

O que é o Grok 4.7?

Grok 4.7 é um novo modelo da xAI lançado em 21 de setembro de 2026, posicionado para coding de longa duração, fluxos de trabalho com agentes e trabalho profissional do conhecimento. A xAI afirma que ele utiliza um modelo base maior do que o Grok 4.6 e um período mais longo de reinforcement learning focado em tarefas que podem levar horas para serem concluídas. O modelo também foi treinado para entender nativamente o harness Grok Bot, com ênfase em verificar o próprio trabalho e gerenciar contextos mais longos.

Para desenvolvedores, a mudança importante não é simplesmente uma pontuação de benchmark mais alta. O Grok 4.7 combina uma janela de contexto de 500K, controles de raciocínio via reasoning_effort, suporte a ferramentas e entrada multimodal em um modelo voltado para loops de agentes estendidos.

Principais recursos do Grok 4.7

• 500K tokens de contexto: A grande janela de contexto foi projetada para repositórios longos, sessões estendidas de agentes, grandes documentos técnicos e tarefas de trabalho do conhecimento em várias etapas.
• Raciocínio configurável: Desenvolvedores podem selecionar low, medium, high ou xhigh, com high como padrão. Isso permite ajustar a alocação de computação conforme a complexidade da tarefa.
• Otimização para coding e agentes: A xAI posiciona especificamente o Grok 4.7 para engenharia de software, tarefas com agentes e fluxos de trabalho profissionais de longa duração.
• Entrada multimodal: A API aceita entradas de texto e imagem e produz saída em texto, tornando o modelo aplicável a análise de screenshots, depuração visual e fluxos de entendimento de documentos.
• Suporte nativo a ferramentas: O conjunto de capacidades documentado inclui function calling, web search, X search e code execution.
• Foco em confiabilidade de longo horizonte: A xAI relata melhorias em autoverificação e gerenciamento de contextos mais longos em comparação com o Grok 4.6, refletindo sua ênfase em tarefas de várias horas. citeturn0search0

Desempenho em benchmarks do Grok 4.7

A avaliação de lançamento da xAI relata os seguintes resultados. São medições de benchmarks reportadas pelo provedor e, portanto, devem ser interpretadas no contexto da metodologia e configuração de cada benchmark, em vez de como um ranking universal.

*O resultado do DeepSWE do Grok 4.7 usa high effort. A tabela da xAI reporta essas medições como parte de sua comparação de lançamento.

O perfil de benchmark é dependente da tarefa. O Grok 4.7 mostra ganhos substanciais sobre o Grok 4.6 nas avaliações reportadas de coding, terminal, jurídico, clínico e engenharia elétrica, enquanto a mesma tabela mostra outros modelos de ponta à frente em benchmarks selecionados. Isso torna a seleção de benchmarks importante ao avaliar o Grok 4.7 para uma determinada carga de trabalho.

Grok 4.7 vs Grok 4.6 vs GPT-5.6 Sol

Grok 4.7 e Grok 4.6 compartilham a mesma classe de contexto de 500K e opções de esforço de raciocínio, mas a xAI reporta resultados aprimorados para o Grok 4.7 em seu conjunto de benchmarks de lançamento. Em comparação com o GPT-5.6 Sol, a distinção prática depende da carga de trabalho: a tabela publicada pela xAI mostra diferentes desempenhos relativos em coding, trabalho de escritório, trabalho em terminal, trabalho jurídico, raciocínio clínico e engenharia elétrica.

Limitações e considerações de implementação

O Grok 4.7 tem uma grande janela de contexto, mas um contexto maior não garante melhores resultados para todo fluxo de trabalho com documentos longos ou agentes. Aplicações de longa duração ainda devem gerenciar o contexto de forma deliberada, especialmente quando conversas acumulam saídas de ferramentas. A xAI recomenda roteamento via prompt-cache e compactação de contexto para loops de agentes longos.

De acordo com a documentação atual do modelo, não há suporte público para Batch API. Desenvolvedores que constroem cargas de trabalho orientadas a lotes precisam, portanto, usar os padrões de API síncronos suportados ou outra rota de implantação.

Seus resultados de benchmark são reportados pelo provedor e variam conforme a configuração do benchmark e o esforço de raciocínio. Eles devem ser tratados como evidência específica da tarefa, e não como uma única medida universal de qualidade do modelo.

Casos de uso representativos

1. Coding em escala de repositório: Analisar grandes bases de código, implementar mudanças em vários arquivos, depurar falhas e raciocinar sobre longos históricos de issues.
2. Engenharia de software com agentes: Combinar raciocínio com function calling, execução de código e ferramentas externas para fluxos de trabalho de engenharia em várias etapas.
3. Análise de documentos técnicos: Processar especificações longas, documentos de arquitetura, material de pesquisa ou registros de projeto dentro de um contexto de 500K tokens.
4. Depuração visual: Analisar screenshots, diagramas e outras entradas de imagem juntamente com contexto textual de engenharia.
5. Trabalho profissional do conhecimento: Redigir, analisar e revisar documentos ou entregáveis estruturados que exigem raciocínio estendido em várias etapas.
6. Fluxos de pesquisa e informação: Usar web search e X search quando informações externas atuais forem necessárias e as permissões de ferramentas do aplicativo permitirem.

Como acessar a API do Grok 4.7 via CometAPI

A CometAPI atualmente possui uma página dedicada ao modelo Grok 4.7 com o ID grok-4.7 e rotas documentadas /v1/chat/completions e /v1/responses. A página atual da CometAPI confirma que o Grok 4.7 está disponível por meio de sua camada de API.

Etapa 1: Obter uma chave de API do CometAPI

Crie ou faça login em uma conta na CometAPI e obtenha uma chave de API no console da API. A CometAPI fornece uma camada de API unificada para acessar vários provedores de modelos com uma única conta.

Etapa 2: Selecionar grok-4.7

Use grok-4.7 como ID do modelo e selecione a rota documentada da CometAPI que corresponda ao aplicativo. A página atual do modelo lista ambas as /v1/chat/completions e /v1/responses. citeturn1search2

Etapa 3: Enviar e processar a resposta

Envie o prompt do usuário pela endpoint selecionada e processe a resposta retornada no mesmo fluxo de trabalho do aplicativo usado para outros modelos compatíveis com a CometAPI. Para implantações em produção, verifique o catálogo de modelos ativo da CometAPI e a documentação das rotas antes de fixar detalhes de implementação.