Robocikowo>ROBOCIKOWO
Grok 4.7

Grok 4.7

Grok 4.7 (grok-4.7) · Rodzina: Grok
Najzdolniejszy model xAI do kodowania i pracy z wiedzą (wrzesień 2026): większy model bazowy, dłuższy trening RL, 500 tys. tokenów kontekstu i cena 2/6 USD za milion tokenów.
✓ Aktywny✓ Publiczny dostępLLMModel multimodalnyModel rozumowaniaModel używający narzędzi📁 Grok
Okno kontekstowe
500k
tokenów
Data premiery
21 września 2026
Dostęp:APIHostedWdrożenie:☁ Cloud

Przegląd

Grok 4.7 to model językowy xAI udostępniony 21 września 2026 roku i pozycjonowany przez firmę jako jej najzdolniejszy model do programowania i pracy z wiedzą. Powstał z większego modelu bazowego trenowanego dłuższym uczeniem ze wzmocnieniem; xAI podkreśla, że model dłużej pracuje nad trudnymi zadaniami i staranniej sprawdza własne wyniki. Zauważalnie poprawiono tworzenie dokumentów oraz wielogodzinne zadania profesjonalne — w obszarach prawa, elektrotechniki i pracy biurowej.

Model działa pod identyfikatorem API grok-4.7, obsługuje okno kontekstu 500 tysięcy tokenów oraz wejście tekstowe i obrazowe, a jego wiedza sięga maja 2026 roku. Cennik podstawowy to 2 USD za milion tokenów wejściowych i 6 USD za milion wyjściowych; powyżej 200 tysięcy tokenów promptu stawki rosną do 4 i 12 USD. Model jest dostępny przez Grok API, Grok Build, Cursor oraz zewnętrzne platformy i środowiska agentowe.

W wynikach podawanych przez xAI Grok 4.7 osiąga 64,0% na EEBench (elektrotechnika, wobec 53,0% poprzednika), 46,3% na CursorBench 4.0 (wobec 40,4%), 38,0% na Terminal-Bench 4.0 (wobec 20,3%) i 19,6% na Harvey Legal Agent (wobec 15,8%). W testach bezpieczeństwa model przepuszcza 3,3% ryzykownych promptów cyberbezpieczeństwa przy niskim odsetku odmów dla zastosowań uprawnionych, a na benchmarku biobezpieczeństwa uzyskuje 62,4%.

Klasyfikacja
LLMModel multimodalnyModel rozumowaniaModel używający narzędzi
Rodzina: Grok
Dostęp i wdrożenie
APIHostowane
Chmura
Wagi: Zamknięte
Kluczowe parametry
📏 Kontekst: 500k
Narzędzia
📥 Wejście: tekst, obraz, dokumenty

Specyfikacja techniczna

Okno kontekstowe
500k
tokenów
Knowledge cutoff
1 maj 2026
Data graniczna wiedzy
Funkcje:Używanie narzędzi
Modalności
⬇ Wejście (Input)
textimagedocuments
⬆ Wyjście (Output)
textcodestructured_data

Możliwości i zastosowania

Natywne możliwości modelu
Rozumowanie
Zdolność modelu do logicznego wnioskowania i rozwiązywania złożonych problemów.
Kategoria: reasoning
Zaawansowane rozumowanie
Zdolność do wieloetapowego, ustrukturyzowanego rozumowania: analiza problemów, planowanie kroków, wnioskowanie na podstawie hipotez. Modele reasoning-first (np. GPT-5.1 Thinking) dedykują część inferencji na łańcuchy myślowe zanim udzielą odpowiedzi.
Kategoria: reasoning
Rozumowanie wieloetapowe
Prowadzenie wieloetapowego toku rozumowania w długich, złożonych zadaniach.
Kategoria: reasoning
Długi kontekst
Obsługa dużych okien kontekstowych — dziesiątek do setek tysięcy (lub milionów) tokenów wejścia. Umożliwia analizę całych baz kodu, długich dokumentów, wielu równolegle rozmów bez utraty wcześniejszych informacji. GPT-5.1 wspiera 400 000 tokenów.
Kategoria: language
Programowanie
Generowanie, analizowanie i modyfikowanie kodu w wielu językach programowania. Obejmuje pisanie funkcji, debugowanie, refaktoryzację, code review, tworzenie testów. Mierzone benchmarkami takimi jak HumanEval, SWE-bench.
Kategoria: coding
Kodowanie agentowe
Wielogodzinne, wieloetapowe zadania programistyczne wykonywane samodzielnie przez model: klonowanie repozytorium, uruchamianie testów, iteracja poprawek, integracja z narzędziami CLI. Charakterystyczne dla wariantów Codex (GPT-5.1-Codex-Mini, Codex-Max).
Kategoria: coding
Zdolności agentowe
Zdolność modelu do autonomicznego planowania i wykonywania wieloetapowych zadań poprzez sekwencyjne użycie narzędzi, utrzymywanie kontekstu i adaptację do wyników pośrednich.
Kategoria: planning
Użycie narzędzi
Zdolność modelu do wywoływania zewnętrznych funkcji, API i narzędzi w trakcie rozmowy: kalkulator, wyszukiwarka, edytor kodu, baza danych. Model decyduje kiedy i jak użyć narzędzia oraz interpretuje jego wynik.
Kategoria: planning
Wywoływanie funkcji
Natywne wsparcie dla ustrukturyzowanego wykorzystania narzędzi, umożliwiające przepływy pracy oparte na agentach.
Kategoria: planning
Wyjście strukturyzowane
Generowanie danych w ustrukturyzowanych formatach, np. JSON.
Kategoria: structured_generation
Rozumienie obrazu
Analiza i interpretacja treści obrazów.
Kategoria: vision
Przeglądanie internetu
Zdolność modelu do samodzielnego wyszukiwania i przeglądania stron internetowych w celu pozyskania aktualnych informacji.
Kategoria: other
Wieloetapowe wykonywanie projektów
Zdolność samodzielnego prowadzenia wielogodzinnych, wielokrokowych projektów: dekomponowanie zadania, planowanie sekwencji działań, iteracyjne dostarczanie wyników, korekta na podstawie feedbacku. Kluczowa dla agentów enterprise i knowledge work.
Kategoria: planning
Planowanie
Tworzenie i realizacja planów działania dla złożonych zadań.
Kategoria: planning

Wyniki benchmarków

5 benchmarków
EEBench
accuracy
64.0%%
📄 xAI — ogłoszenie Grok 4.7
Benchmark elektrotechniczny. Grok 4.7 osiąga 64,0% wobec 53,0% poprzedniej wersji.
CursorBench 4.0
accuracy
46.3%%
📄 xAI — ogłoszenie Grok 4.7
Benchmark kodowania agentowego w Cursorze. Grok 4.7 osiąga 46,3% wobec 40,4%.
Terminal-Bench 4.0
accuracy
38.0%%
📄 xAI — ogłoszenie Grok 4.7
Zadania agentowe w terminalu. Grok 4.7 osiąga 38,0% wobec 20,3%.
Harvey Legal Agent Benchmark
accuracy
19.6%%
📄 xAI — ogłoszenie Grok 4.7
Benchmark agentowych zadań prawniczych. Grok 4.7 osiąga 19,6% wobec 15,8%.
Benchmark biobezpieczeństwa (LatchBio)
accuracy
62.4%%
📄 xAI — ogłoszenie Grok 4.7
Ocena zdolności w obszarze biobezpieczeństwa.

Cennik