Bisakah saya menjalankan Grok 4.7 secara lokal?

Tidak. xAI belum merilis bobot Grok 4.7, jadi hanya tersedia lewat API dan tidak bisa dijalankan offline atau di perangkat Anda sendiri.

Berapa biaya Grok 4.7 dan seberapa besar konteksnya?

Harga $2,00 per juta token input dan $6,00 per juta token output, dengan jendela konteks 500.000 token.

Apa perbedaan Grok 4.7 dengan Grok 4.6?

Grok 4.7 memperpanjang pendahulunya dengan pelatihan reinforcement learning lebih lama yang disetel untuk tugas berjam-jam, performa lebih baik pada kerja pengetahuan profesional seperti penyusunan dokumen, dan tumpukan pengaman baru yang menolak jailbreak sambil mengurangi penolakan palsu pada topik teknis sah.

▲

28.9%

minggu ini

Grok 4.7

8529°

#llm #x-ai #visi #penalaran #pemrograman #agen

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

SpaceXAI | konteks 500.000 token | $2.00/M input, $6.00/M output. Grok 4.7 adalah model unggulan SpaceXAI untuk pengkodean, tugas agen, dan pekerjaan pengetahuan, penerus Grok 4.6. Model ini sangat kuat dalam tugas rekayasa perangkat lunak jangka panjang, memverifikasi pekerjaannya sendiri, dan mengelola konteks panjang, serta meningkatkan kinerja pada pekerjaan pengetahuan profesional seperti menyusun dokumen dan presentasi. Model ini dilatih dengan sesi pembelajaran penguatan yang lebih panjang dengan bobot pada masalah yang memerlukan waktu berjam-jam untuk diselesaikan, dan secara native…SpaceXAI | konteks 500.000 token | $2.00/M input, $6.00/M output. Grok 4.7 adalah model unggulan SpaceXAI untuk pengkodean, tugas agen, dan pekerjaan pengetahuan, penerus Grok 4.6. Model ini sangat kuat dalam tugas rekayasa perangkat lunak jangka panjang, memverifikasi pekerjaannya sendiri, dan mengelola konteks panjang, serta meningkatkan kinerja pada pekerjaan pengetahuan profesional seperti menyusun dokumen dan presentasi. Model ini dilatih dengan sesi pembelajaran penguatan yang lebih panjang dengan bobot pada masalah yang memerlukan waktu berjam-jam untuk diselesaikan, dan secara native memahami harness Grok Bot untuk tugas percakapan. Dilengkapi dengan tumpukan pengaman baru yang menggabungkan resistensi jailbreak kuat dengan tingkat penolakan rendah untuk pekerjaan keamanan siber dan biologi yang sah. Hasil benchmark yang dilaporkan SpaceXAI menggunakan upaya penalaran xhigh.

Panduan untuk model ini

Biaya Tetap vs Token: Mengapa Paket Tak Terbatas seperti Graydient.ai adalah Nilai Terbaik untuk Kreator AI di 2026

Grok 4.7 vs GPT-6.1 Sol: harga input sama, tagihan berbeda

Cara memilih model AI di Oktober 2026: berita sumber tertutup, lalu bobot terbuka yang layak diunduh

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

10 Alternatif ChatGPT Termurah di 2026: model lokal gratis, tingkat gratis, dan paket tarif tetap

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Grok 4.7 adalah model tertutup andalan xAI yang ditujukan untuk insinyur perangkat lunak dan pekerja pengetahuan yang membutuhkan model yang bisa bertahan dalam tugas panjang multi-langkah. Pelatihan reinforcement learning-nya difokuskan pada masalah yang memakan waktu berjam-jam, yang terlihat pada pengkodean agen dan verifikasi mandiri. Jendela konteks 500.000 token dan integrasi native Grok Bot membuatnya pilihan praktis untuk pekerjaan basis kode besar dan agen percakapan.

Dikenal untuk

Tugas rekayasa perangkat lunak jangka panjang dengan verifikasi mandiri bawaan
Jendela konteks 500.000 token untuk basis kode atau dokumen besar
Peningkatan kerja pengetahuan profesional: penyusunan dokumen dan presentasi
Tingkat penolakan rendah pada prompt keamanan siber dan biologi yang sah
Dukungan native untuk harness Grok Bot dalam pipeline agen

Waspadai

Bobot tertutup saja — tidak bisa dijalankan lokal, tidak bisa offline.
Biaya output $6/M token; jalannya agen panjang dengan konteks 500k bisa cepat mahal.
Hasil benchmark dilaporkan pada usaha penalaran sangat tinggi, yang mungkin tidak mencerminkan perilaku API default.

Terbaik untuk

Pemrograman

Agen dan penggunaan alat

Penalaran

Konteks panjang

Menulis

Prompt untuk dicoba

Rencana refaktor multi-file

Saya memiliki monorepo Python di mana logika otentikasi tersebar di enam modul. Audit desainnya, identifikasi setiap tempat token sesi dibuat atau divalidasi, usulkan antarmuka layanan otentikasi terpusat, dan tulis kerangka modul baru dengan petunjuk tipe. Tandai masalah keamanan yang Anda temukan sepanjang jalan.

Verifikasi kode Anda sendiri

Tulis fungsi yang menggabungkan dua linked list terurut dalam waktu O(n). Kemudian bertindak sebagai reviewer kode: telusuri tiga kasus tepi — kedua list kosong, satu list kosong, list dengan panjang tidak sama — dan konfirmasi atau koreksi implementasi Anda sebelum mengembalikan versi final.

Sintesis dokumen panjang

Berikut dokumen persyaratan produk sepanjang 200 halaman. Identifikasi tiga persyaratan dengan risiko teknis tertinggi, jelaskan mengapa tiap risiko, sarankan satu mitigasi per risiko, dan buat ringkasan eksekutif satu halaman yang bisa digunakan pemangku kepentingan non-teknis.

Bandingkan dengan

Grok 4.6
Model hanya API
konteks 500,000 token · $2.00/M input, $6.00/M output
Grok 4.5
Model hanya API
konteks 500,000 token · $2.00/M input, $6.00/M output
Grok Build 0.1
Model hanya API
konteks 256,000 token · $1.00/M input, $2.00/M output
Grok 4.20 Multi-Agent
Model hanya API
konteks 2,000,000 token · $1.25/M input, $2.50/M output

Model teks lain dari x-ai

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Grok 4.7 secara lokal?: Tidak. xAI belum merilis bobot Grok 4.7, jadi hanya tersedia lewat API dan tidak bisa dijalankan offline atau di perangkat Anda sendiri.
Berapa biaya Grok 4.7 dan seberapa besar konteksnya?: Harga $2,00 per juta token input dan $6,00 per juta token output, dengan jendela konteks 500.000 token.
Apa perbedaan Grok 4.7 dengan Grok 4.6?: Grok 4.7 memperpanjang pendahulunya dengan pelatihan reinforcement learning lebih lama yang disetel untuk tugas berjam-jam, performa lebih baik pada kerja pengetahuan profesional seperti penyusunan dokumen, dan tumpukan pengaman baru yang menolak jailbreak sambil mengurangi penolakan palsu pada topik teknis sah.

Putusan Kapten
Model pengkodean agen serius dengan konteks yang benar-benar besar — sepadan dengan biaya output jika tugas Anda berjalan lama.

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #51 Hottest Text / LLM model · #51 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tren popularitas Grok 4.7

Skor panas sejak 21 Sep 2026

Skor panas

8,529°

Minggu ini

▲

28.9%

8,496° dulu, 8,529° sekarang

Bulan ini

n/a

Belum dirilis/dilacak

Tahun lalu

n/a

Belum dirilis/dilacak

7,000°

Floor

Skala berjalan dari 0° sampai 9.999°. Semua yang di bawah 7,000° disimpan untuk model yang belum dilaporkan oleh sumber mana pun, yang memakai angka pengganti di sana supaya daftar tetap lengkap. 7,000° adalah titik awal data yang diukur: model dengan data nyata tapi hampir tidak ada unduhan berada di floor, dan pengukuran mengisi derajat di atasnya. Floor tidak mengatakan apa-apa tentang model; hanya derajat di atasnya yang berbicara, dan itu yang membedakan satu model dengan yang lain.

+1,529°

Token OpenRouter

1,252,683,581,809 token diproses model ini melalui OpenRouter dalam 30 hari terakhir, termasuk prompt dan jawaban. Setiap 10,000,000 token dihitung sebagai satu unduhan dalam istilah unduhan, total 125,268; token hari terakhir masuk ke tingkat adopsi. Sumber: OpenRouter (openrouter.ai/rankings).

Tampilkan rincian

Setiap angka di situs ini bisa dicek. Skor heat model ini adalah 8,529°, dan ini dibangun satu bahan pada satu waktu, dengan total berjalan setelah setiap langkah: floor, derajat yang ditambahkan setiap sumber, bonus untuk jenis model dan pengurangan karena usia bobotnya. Warna-warna itu adalah rentang pada grafik di atas. Glosarium di akhir menjelaskan setiap istilah.

1
Mulai dari floor.
Kenapa 7,000° dan bukan nol: skala dari 0° sampai 9.999°, dan bagian di bawah 7,000° disediakan untuk model yang belum dilaporkan sumber mana pun, yang memakai angka pengganti supaya daftar tetap lengkap dan tidak pernah mengalahkan model dengan data. 7,000° adalah titik awal data yang diukur. Model dengan data nyata tapi hampir tidak ada unduhan berada di sini; semua yang berikutnya adalah pengukuran, dan ruang di atas floor memuat sepuluh langkah sepuluh kali lipat unduhan dengan 300° masing-masing. Floor sama untuk semua model, jadi tidak menentukan apa-apa; yang menentukan adalah derajat di atasnya.
7,000°
total berjalan
2
Tambahkan unduhan.
125,268 setara unduhan secara total, dari Token OpenRouter. Sepuluh kali unduhan menambah 300° yang sama, jadi ukuran penting tapi tidak pernah mendominasi skor.
+1,529°
8,529°
total berjalan
=
Skor heat.
Posisi model ini di setiap daftar di situs ini. Tidak ada yang mengubahnya selain ini.
8,529°

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Bagaimana popularitas model ini bergerak dibandingkan dengan katalog lainnya: pertumbuhan unduhan, suka, dan penggunaan setiap periode, diukur terhadap pertumbuhan model biasa dalam periode yang sama, dengan skor panasnya saat itu. Di atas pertumbuhan biasa berarti naik, di bawahnya berarti turun. Masa lalu direkonstruksi dari total hari ini, hari pertama model, dan kecepatan unduhan yang diukur jika ada dua pembacaan; model yang belum ada di awal periode menunjukkan n/a.

Model Serupa

Qwen3 VL 30B A3B Instruct

Llama 3.2 3B Instruct

TEXT / LLM

Model AI untuk Pembuatan Gambar, Video & Teks

Grok 4.7 adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm x-ai visi penalaran pemrograman agen konteks panjang menulis

Jelajahi berdasarkan Keluarga Model