curl --request POST "https://gptproto.com/v1/chat/completions" \
--header "Authorization: Bearer $GPTPROTO_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"model": "grok-4.7",
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}'Chat, agentes de programação e trabalho com documentos. Preço por 1M de tokens — entrada, entrada em cache e saída são cobradas separadamente. GPTProto está 40% abaixo das tarifas oficiais.
| Cenário | Lista de Grok | OpenRouter | GPTProto | Economia / mês |
|---|---|---|---|---|
| Pessoal10M tokens / mês (4.8M cache) | $20.80 | $21.94 | $12.48 | −$8.32≈ $99.84 / ano |
| Equipe100M tokens / mês (48M cache) | $208.00 | $219.44 | $124.80 | −$83.20≈ $998.40 / ano |
| Empresarial500M tokens / mês (240M cache) | $1040.00 | $1097.20 | $624.00 | −$416.00≈ $4992.00 / ano |
Grok · 500K context · $1.2/M input · $3.6/M output
Bytedance · 262K context · $0.0971/M input · $0.9714/M output
Bytedance · 262K context · $0.0971/M input · $0.9714/M output
A API Grok 4.7 dá aos desenvolvedores acesso ao modelo da SpaceXAI para engenharia de software, tarefas agênticas e trabalho do conhecimento. Ela aceita entrada de texto e imagem, retorna texto, oferece suporte a chamadas de função e saídas estruturadas, e permite esforço de raciocínio low, medium, high e xhigh. O GPTProto permite que equipes o avaliem junto com outros modelos com uma única conta e saldo.
Contexto Multimodal de 500K
Processe repositórios extensos, documentos técnicos, capturas de tela de UI e diagramas em uma única solicitação. A janela de contexto inclui tanto o prompt quanto os tokens gerados, então reserve capacidade suficiente para a resposta esperada.
Raciocínio de low a xHigh
Escolha esforço de raciocínio low, medium, high ou xhigh. Comece abaixo de xhigh para trabalho rotineiro e aumente-o apenas quando uma verificação mais profunda melhorar a conclusão da tarefa.
Trabalho de Programação de Longa Duração
Use Grok 4.7 para alterações em vários arquivos, depuração, análise de repositório, planejamento de testes e ciclos repetidos de planejar-executar-verificar nos quais o modelo deve preservar o estado ao longo de muitas etapas.
Chamadas de Ferramentas e Saída Estruturada
Conecte o modelo a funções da aplicação e solicite JSON restrito por esquema. Esses controles ajudam os agentes a passar dados validados entre ferramentas em vez de depender de texto não estruturado.
Grok 4.7 é um modelo de saída de texto lançado pela SpaceXAI em 21 de setembro de 2026. Ele usa um modelo base maior que o Grok 4.6 e recebeu um treinamento de aprendizado por reforço mais longo, com peso para tarefas difíceis que podem levar horas para serem concluídas.
O modelo aceita texto e imagens dentro de uma janela de contexto de 500.000 tokens. A SpaceXAI não publica um limite separado de saída de texto no nível do modelo, mas a entrada mais a saída gerada devem caber dentro da janela de contexto. Timeouts de gateway e limites de conta ainda se aplicam.
Desenvolvedores podem usar chamadas de função, saídas estruturadas e raciocínio configurável. A pesquisa na Web ou no X deve ser explicitamente habilitada para informações atuais; o corte de conhecimento publicado é maio de 2026.
Através do GPTProto, a mesma conta e saldo podem ser usados para o Grok 4.7 e mais de 200 outros modelos, simplificando comparações e fallbacks entre provedores.
| Especificação | Grok 4.7 |
|---|---|
| Provedor | SpaceXAI (xAI) |
| Data de lançamento | 21 de setembro de 2026 |
| String do modelo GPTProto | grok-4.7 |
| Modalidades de entrada | Texto e imagem |
| Modalidade de saída | Texto |
| Janela de contexto | 500.000 tokens, incluindo entrada e saída gerada |
| Limite de saída de texto publicado | Nenhum limite separado no nível do modelo listado pela SpaceXAI |
| Esforço de raciocínio | low, medium, high, xhigh; padrão high na API oficial |
| Controles de agente | Chamadas de função e saídas estruturadas |
| API em lote | Não suportado na API oficial da SpaceXAI no lançamento |
| Data de corte de conhecimento | maio de 2026 |
Codificação em escala de repositório: Deixe um agente inspecionar interfaces, testes, configuração e dependências antes de propor uma alteração. Solicite um plano, resumo do patch, evidências de teste e riscos não resolvidos como campos separados.
Trabalho agêntico de longo horizonte: Use chamadas de função para pesquisa, execução, validação e novas tentativas. Mantenha permissões e critérios de conclusão no harness do agente ao redor.
Análise técnica visual: Forneça capturas de tela de UI, gráficos ou diagramas com instruções de texto. Use saída estruturada quando o código downstream precisar de coordenadas, rótulos, categorias de problemas ou campos de confiança.
Trabalho profissional de conhecimento: Elabore relatórios ou apresentações a partir de grandes conjuntos de fontes. Para usos de alto risco, mantenha citações, recuperação e aprovação humana fora da resposta do modelo.
O Grok 4.7 mantém o contexto de 500K do Grok 4.6, modalidades, tarifas oficiais de tokens e níveis de raciocínio. A mudança é comportamental: um modelo base maior, aprendizado por reforço mais longo, autocorreção mais forte e melhor gerenciamento de trabalho estendido.
| Fator de decisão | Grok 4.7 | Grok 4.6 |
|---|---|---|
| Janela de contexto | 500 mil tokens | 500 mil tokens |
| Entrada / saída | Texto e imagem / texto | Texto e imagem / texto |
| Níveis de raciocínio | Low, medium, high, xhigh | Low, medium, high, xhigh |
| Preço oficial abaixo de 200 mil tokens de prompt | $2 de entrada / $0.50 de entrada em cache / $6 de saída por 1M tokens | $2 de entrada / $0.50 de entrada em cache / $6 de saída por 1M tokens |
| CursorBench 4.0, reportado pelo provedor | 46,3% em xhigh | 40,4% em high |
| DeepSWE v1.1, reportado pelo provedor | 71,0% em high | 65,2% em high |
| Terminal-Bench 4.0, reportado pelo provedor | 38,0% em xhigh | 20,3% em high |
| Melhor para | Novas implantações de codificação e trabalho de conhecimento; tarefas de várias etapas mais difíceis | Integrações existentes que ainda precisam de testes de regressão antes da migração |
Os resultados de benchmark acima são reportados pela SpaceXAI e não foram reproduzidos independentemente pelo GPTProto. As configurações de raciocínio diferem entre algumas linhas, então trate-os como evidência de lançamento, e não como um ranking universal.
Nenhum benchmark isolado responde a todas as comparações neste grupo. A SpaceXAI reporta 46,3% para o Grok 4.7 no CursorBench 4.0, contra 41,7% para o GPT-5.6 Sol e 51,8% para o Claude Fable 5.1. No DeepSWE v1.1, ela reporta 71,0%, 72,7% e 70,0%, respectivamente. O vencedor muda conforme a carga de trabalho.
A SpaceXAI também inclui o GPT-6 Astra em gráficos de trabalho de conhecimento, mas esses resultados não devem ser mesclados com a tabela de codificação acima. Para Grok 4.7 vs GPT-6 Astra, Claude Fable 5.1 vs Grok 4.7, Qwen3.8-Max-0902 vs Grok 4.7, ou Grok 4.7 vs Gemini 4, use prompts e ferramentas idênticos, depois registre conclusão, novas tentativas, tokens, latência e custo.
Um esforço maior pode melhorar tarefas difíceis, mas pode aumentar a latência e o uso de tokens de raciocínio. Escolha o nível mais baixo que conclua a tarefa de forma confiável.
| Carga de trabalho | Esforço inicial sugerido | Foco de avaliação |
|---|---|---|
| Classificação, extração ou edições simples de código | low |
Validade do esquema, latência, custo |
| Trabalho em recursos com vários arquivos ou síntese de documentos | medium |
Consistência entre arquivos, requisitos não atendidos |
| Depuração difícil ou agentes com várias ferramentas | high |
Conclusão de tarefas, erros de ferramentas, comportamento de recuperação |
| Arquitetura difícil, investigação profunda ou execuções de alto esforço que falharam | xhigh |
Taxa de sucesso adicional versus tokens e tempo extras |
Para tarefas longas, faça checkpoint do estado, defina timeouts de ferramentas, limite novas tentativas, valide saídas estruturadas e registre tokens por etapa. Isso é mais informativo do que comparar apenas os preços de tabela.
Comece uma migração do Grok 4.6 com uma mudança na string do modelo, não uma reescrita completa do prompt. Mantenha a versão antiga disponível e compare ambas no mesmo conjunto de tarefas.
Confirme a string de modelo do GPTProto mostrada no painel Quick Start da página antes de alterar o código da aplicação.
Execute novamente as tarefas de regressão com o mesmo esforço de raciocínio. Não compare Grok 4.6 high com Grok 4.7 xhigh, a menos que o uso extra de tokens faça parte do teste.
Verifique argumentos de chamadas de ferramentas, JSON estruturado, comportamento de parada, comprimento da saída, latência e custo total—não apenas a qualidade da resposta.
Revise prompts que assumem um limite fixo de saída. A SpaceXAI não lista um limite separado de saída de texto, mas a solicitação completa ainda precisa caber dentro de 500 mil tokens.
Mantenha um fallback até que o Grok 4.7 passe nos critérios de aceitação para seus repositórios, ferramentas e documentos reais.
Ao mudar do acesso direto à xAI, use o endpoint e o padrão de autenticação na seção Quick Start fixa do GPTProto. Não copie a URL base oficial da xAI para uma solicitação do GPTProto.
Guias, comparações e atualizações relacionadas a este modelo.
Todos os artigos
GLM-5.3-FlashX promete até 200 tokens/s — mas custa 2,5× mais que o Flash. Veja seus preços, adequação para programação, limites de velocidade e quando o upgrade compensa.
Compare os seis melhores provedores de API de LLM em 2026 por acesso a modelos, estrutura de preços, velocidade, compatibilidade, governança e experiência do desenvolvedor.
O que é Jev? Veja como o modelo de decisão da TypeSafe AI retorna probabilidades tipadas, difere dos LLMs e se encaixa em roteamento e fluxos de trabalho de agentes.
Compare GPTProto, Supabase, Stripe, Clerk e Resend para construir um MVP de SaaS de IA enxuto, API-first, com custos iniciais de infraestrutura mais baixos.
