xAI: Grok 4.7

Grok 4.7 konzentriert sich auf Programmierung, agentische Aufgaben und Wissensarbeit. Schlussfolgerungen, Bildverständnis und Tool-Aufrufe machen es geeignet für Assistenten, die ein Problem diagnostizieren, darauf reagieren und das Ergebnis bewerten müssen.

Modelle vergleichen

grok-4.7

VerfügbarxAIUnterhaltung75% Rabatt bei Cache-NutzungAktuell

Eingabe / Ausgabe-50%: $2.00 / $6.00$1.00 / $3.00
Kontext: 500K
Veröffentlicht: 21. Sept. 2026
Maximale Ausgabe: 128K
Modalitäten: VisionUnterhaltung
Funktionen: Tool-NutzungPrompt-CacheReasoning

Über Grok 4.7

Grok 4.7 ist das Spitzenmodell von xAI für Programmierung, agentische Aufgaben und Wissensarbeit und das Modell, das in der Dokumentation von xAI zuerst empfohlen wird. Es liest Text und Bilder, schreibt Text, ruft Tools auf und liefert strukturierte Ausgaben, wobei der Reasoning-Aufwand von „niedrig“ bis „xhoch“ reicht. Es eignet sich für Assistenten, die ein Problem diagnostizieren, darauf reagieren und anschließend das Ergebnis bewerten.

Stärken

xAI empfiehlt es als sein leistungsfähigstes Modell, das auf Programmierung und agentische Schleifen ausgerichtet ist, die Ergebnisse diagnostizieren, umsetzen und bestätigen.
Der Reasoning-Aufwand reicht von „niedrig“ bis „xhoch“, wobei „hoch“ die Standardeinstellung für anspruchsvolle Aufgaben ist.
Es akzeptiert Bilder zusammen mit Text, sodass ein visueller Fehler oder ein Diagramm Teil der Aufgabe sein kann.
Funktionsaufrufe (Function Calling) und strukturierte Ausgaben unterstützen Multi-Tool-Agenten und strikte Datenformate.
Reasoning wird immer durchgeführt, was Aufgaben zugutekommt, die eine Planung vor der Ausführung erfordern.

Alternativen

Das permanent aktive Reasoning macht es bei einfachen Entwürfen oder Extraktionen langsamer als das Modell 4.20, das kein Reasoning nutzt.
Es kann keine Bilder, Audio oder Video generieren; die Ausgabe erfolgt als Text.
Das Kontextfenster ist kleiner als das von Grok 4.3 und der 4.20-Familie, was bei sehr großen Eingaben von Bedeutung ist.

Erste Schritte

API-Schlüssel erstellen
Erstelle einen Schlüssel in Console und nutze ihn mit jedem Modell auf der Plattform.
02
Senden Sie Ihre erste Anfrage
Kopieren Sie das Beispiel für Ihre Sprache und führen Sie es gegen den Endpunkt aus.
Text-zu-TextResponses API
POST/v1/responses
API-Format:
```
curl https://api.tokenlab.sh/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxx" \
  -d '{
    "model": "grok-4.7",
    "input": "Hello!"
  }'
```

Preise

Der offizielle Preis ist die öffentliche Basisvorgabe des Modellerstellers. Der TokenLab-Preis ist das, was du für dieses Modell auf TokenLab zahlst.

Eingabe Token <= 200K

Pro 1M Token

Offizieller Preis: Eingabe $2.00 / Ausgabe $6.00 / Cache-Lesevorgang $0.50
TokenLab-Preis: Eingabe $1.00 / Ausgabe $3.00 / Cache-Lesevorgang $0.25
Rabatt: -50%

Eingabe Token 200K-500K

Pro 1M Token

Offizieller Preis: Eingabe $4.00 / Ausgabe $12.00 / Cache-Lesevorgang $1.00
TokenLab-Preis: Eingabe $2.00 / Ausgabe $6.00 / Cache-Lesevorgang $0.50
Rabatt: -50%

Prompt-Cache-Preise

Cache-Lesevorgang

Offizieller Preis: $0.50
TokenLab-Preis: $0.25
Rabatt: -50%

	Offizieller PreisPro 1M Token	TokenLab-PreisPro 1M Token	Rabatt
Eingabe Token <= 200K	Eingabe $2.00 / Ausgabe $6.00 / Cache-Lesevorgang $0.50	Eingabe $1.00 / Ausgabe $3.00 / Cache-Lesevorgang $0.25	-50%
Eingabe Token 200K-500K	Eingabe $4.00 / Ausgabe $12.00 / Cache-Lesevorgang $1.00	Eingabe $2.00 / Ausgabe $6.00 / Cache-Lesevorgang $0.50	-50%
Prompt-Cache-Preise
Cache-Lesevorgang	$0.50	$0.25	-50%

Nutzung & Aktivität

Die Erfolgsquote ist der Anteil abgeschlossener Anfragen. Die Latenz ist die Dauer einer vollständigen Antwort; P95 bedeutet, dass 95 % der Anfragen innerhalb dieser Zeit abgeschlossen wurden.

Nutzung & Verfügbarkeit

Letzte 24 Stunden

Anfragen
Erfolgsrate
P95-Latenz
Token gesamt

Modellleistung

Zuletzt aktualisiert 3. Okt. 2026, 19:26 UTC

Metriken erscheinen, sobald die Schwellenwerte für Datenschutz und Datenvolumen erreicht sind.

Die Daten basieren auf aggregierten Benutzeranfragen, Statusprüfungen sind ausgeschlossen.

In Console öffnen

Öffne Grok 4.7 in Console mit einer bearbeitbaren oder versandbereiten Eingabeaufforderung.

Teste grok-4.7 mit einer kurzen Nachricht an /v1/responses. Zeige Antwort, Latenz und Kosten.

Anwendungsfälle

Geeignet für

Reasoning
Vision

Autonome Programmier-Agenten
Lassen Sie es ein Repository lesen, Änderungen an mehreren Dateien vornehmen, Tests über ein Tool ausführen, Fehler interpretieren und iterieren, bis die Änderung erfolgreich ist.
Vorfall-Diagnose
Geben Sie ihm Warnmeldungen, Protokolle und Screenshots von Dashboards, damit es die Ursache findet, eine dokumentierte Lösung über Tools anwendet und die Wiederherstellung bestätigt.
Komplexe Wissensarbeit
Erstellen Sie Analysen, die umfangreiches Quellenmaterial, Berechnungen und eine schriftliche Empfehlung kombinieren, wobei die Reasoning-Stufe für die schwierigsten Fragen erhöht wird.

Prompt-Beispiele

Der Checkout-Test schlägt nur in der CI fehl. Untersuchen Sie das Repository, finden Sie den Grund, patchen Sie ihn, führen Sie den Test aus und berichten Sie, was Sie geändert haben.

Diese drei Dashboards und das Fehlerprotokoll decken einen Ausfall ab. Identifizieren Sie die erste fehlerhafte Komponente und schlagen Sie einen Rollback-Plan vor.

Überprüfen Sie diesen Export der Kalkulationstabelle für das Preismodell und das Memo. Listen Sie auf, wo die Schlussfolgerungen des Memos nicht aus den Zahlen hervorgehen.

Dieses Modell hat konditionale Preise. Monatliche Token-Summen allein liefern keine verlässliche Schätzung; nutzen Sie die detaillierten Preise für Anfragespezifikation, Cache und Zeitfenster.

FAQ

Wofür ist Grok 4.7 gut geeignet?

xAI beschreibt es als Modell für Programmierung, agentische Aufgaben und Wissensarbeit. Es kombiniert Reasoning, Bildverständnis und Tool-Aufrufe, sodass es in einer Schleife ein Problem diagnostizieren, über Tools handeln und das Ergebnis bewerten kann.

Welche Reasoning-Stufen hat Grok 4.7?

Niedrig, mittel, hoch und xhoch, wobei „hoch“ die Standardeinstellung ist. Reasoning ist bei diesem Modell immer aktiviert; die Einstellung steuert also, wie viel Aufwand das Modell betreibt, nicht ob es denkt.

Kann Grok 4.7 Screenshots und Diagramme lesen?

Ja. Es akzeptiert Bilder mit Text, was bei UI-Fehlern, Dashboards und Abbildungen in Dokumenten hilfreich ist. Die Ausgabe bleibt Text. Stellen Sie eine textbasierte Frage, etwa warum ein Layout bricht oder was ein Graph zeigt, und die Antwort erfolgt als schriftliche Erklärung.

Ist Grok 4.7 besser als Grok 4.6?

Grok 4.7 ist die neuere Version und das von xAI empfohlene Modell mit denselben Eingaben und Aufwandstufen. Erwarten Sie, dass es der stärkere Ausgangspunkt für agentische Arbeit ist.

Unterstützt Grok 4.7 Funktionsaufrufe?

Ja, zusammen mit strukturierten Ausgaben. Sie können Tools und JSON-Schemas in der Anfrage definieren, was es für Agenten geeignet macht, die auf externe Systeme einwirken müssen.

Was kostet Grok 4.7?

Auf TokenLab kostet Grok 4.7 Eingabe $1.00 / Ausgabe $3.00 Pro 1M Token. Die vollständige Aufschlüsselung steht in der Preistabelle oben. Die Preise hängen von Abrechnungseinheit, Spezifikation und Nutzung ab. Vergleichen Sie gleiche Bedingungen in der detaillierten Preisliste des Modells; eine einzelne Rate bestimmt nicht die Gesamtkosten.

Welche Kontext- und Ausgabelimits hat Grok 4.7?

Grok 4.7 verarbeitet bis zu 500.000 Token Kontext und gibt pro Antwort bis zu 131.072 Token aus.

Welchen Endpunkt soll Grok 4.7 verwenden?

Verwenden Sie https://api.tokenlab.sh/v1/responses für Grok 4.7. Das folgende Anforderungsbeispiel zeigt die passende Code-Struktur.

Welche Operationen unterstützt Grok 4.7?

Grok 4.7 unterstützt Text-zu-Text. Wählen Sie oben einen Vorgang aus, um dessen Endpunkt und Anforderungsbeispiel anzuzeigen.