Grok 2 Vision

MultimodalRetiradoNo disponible
de xAIID del modelo: grok-2-vision

xAI's vision-capable Grok 2 snapshot. Image-in, text-out with strong multilingual instruction following.

Estado
No disponible
Contexto
32.768 tokens
Salida máxima
4096 tokens
Entrada → Salida
Texto + Imagen → Texto
Desarrollador
xAI
Actualizado
24 de septiembre de 2026

Grok 2 Vision no está disponible actualmente

Actualmente no disponible: este modelo ha sido desactivado.

Puedes seguir leyendo los detalles en esta página. Elige una de las alternativas disponibles abajo para ejecutar un modelo comparable de inmediato.

Ir a alternativas

El proveedor ha retirado este modelo.

01

Modelos comparables

Todos en esta categoría
  • BLIPSalesforce

    Salesforce BLIP. Vision-language model for image captioning and visual question answering. Given an image it writes a short natural-language caption, or answers a question about the image when one is supplied. A widely used baseline for automatic captioning.

    ≈ 0,00030 US$/ejecución

  • Anthropic's April 2026 flagship. 87.6% on SWE-bench Verified, 3x higher image resolution, output self-verification, vision + reasoning.

    6,00 US$/1M entrada

  • Anthropic's balanced mid-tier model from February 2026. Best price/performance for production workloads: 5x cheaper than Opus, near-flagship quality.

    3,60 US$/1M entrada

02

Playground

Probar Grok 2 Vision

Sin formulario de entrada

No disponible actualmente

Actualmente no disponible: este modelo ha sido desactivado.

El área de pruebas está desactivada. Puedes encontrar modelos comparables en la misma categoría: Explorar alternativas

03

Acerca de Grok 2 Vision

ResumenA fecha de 24 de septiembre de 2026

Grok 2 Vision es un modelo de xAI en la categoría Multimodal. Grok 2 Vision no está disponible en Railwail en este momento. La ventana de contexto contiene 32.768 tokens, y una respuesta puede tener hasta 4096 tokens.

Fondo

Acerca de xAI

Fundado en 2023 · Palo Alto, California, USA

xAI was founded in March 2023 by Elon Musk together with co-founders from DeepMind, OpenAI, Google Research and Microsoft Research, including Igor Babuschkin, Manuel Kroiss, Yuhuai Wu (now back at Google), Christian Szegedy, Jimmy Ba, Toby Pohlen, Ross Nordeen, Kyle Kosic and Greg Yang. The company is closely affiliated with X (formerly Twitter), Tesla and SpaceX. xAI raised $6B Series B in May 2024 followed by $6B Series C in December 2024 at a reported $50B valuation, with backers including Andreessen Horowitz, Sequoia, Fidelity, Kingdom Holding, Lightspeed and Saudi Prince Alwaleed. The flagship Grok model family launched in late 2023 (Grok-1, briefly open-sourced under Apache 2.0), Grok-2 in August 2024 and Grok-3 in February 2025. Grok 2 Vision arrived in October 2024 as xAI's first multimodal model with image input, made available via the X premium feature and the xAI API.

Visitar xAI

Arquitectura

Decoder-only Transformer with vision encoder (multimodal LLM)

Grok 2 Vision (model id grok-2-vision-1212 and successors) is a multimodal large language model that adds an image encoder to xAI's Grok 2 text backbone. The architecture follows the now-standard cross-attention multimodal LLM pattern: a Vision Transformer encodes the input image into visual tokens, which are projected into the LLM token space and concatenated with text tokens before the decoder. xAI has not published a technical paper, but the model card mentions a 'mixture of public web data, X data and licensed sources' with a knowledge cutoff in mid-2024. The model accepts up to 10 images per request, with a maximum image side of around 8,000 pixels, and supports the standard chat/completion API with a 131,072-token context window. Grok 2 Vision is positioned as a competitor to GPT-4o and Claude 3.5 Sonnet for chart understanding, OCR-heavy documents and screenshot reasoning. xAI ships safety filters consistent with their stated 'maximum truth-seeking' posture, which is more permissive on controversial content than OpenAI.

Parámetros
Undisclosed
Contexto
131.072 tokens

Capacidades

  • Image and text input (up to 10 images per request)
  • 131,072-token context window
  • Chart, diagram and screenshot reasoning
  • OCR-heavy document understanding (PDFs as images)
  • Real-time search-grounded responses via X / Grok web tool
  • JSON / structured output and function calling
  • More permissive content policy than OpenAI / Anthropic on controversial topics
  • Best for: chart and screenshot QA, X-integrated agents, code-with-image bug reports

Entrenamiento y licencia

Not disclosed. xAI references 'public web data, licensed third-party data and X user posts that have opted in', with a knowledge cutoff in mid-2024.

Licencia: Proprietary commercial API and X Premium product. Generated outputs may be used commercially under the xAI terms.

Pruebas de seguridad: xAI publishes a 'maximum truth-seeking' policy with intentionally lighter content filtering than peers; bias and jailbreak testing is referenced but no formal red-team report.

Limitaciones conocidas

  • Closed weights, hosted only
  • No video or audio input (image-only multimodal)
  • Quality on math / vision benchmarks below GPT-4o and Claude 3.5 Sonnet
  • Lighter safety filtering may produce unsafe content
  • Knowledge cutoff mid-2024 without web tool
04

Precios

Actualmente no disponible: este modelo ha sido desactivado. No hay precio para este modelo en este momento, por lo que no se puede ejecutar.

05

API

Llama a Grok 2 Vision con tu clave API de Railwail. Usa este ID de modelo en la solicitud:

Sin ejemplo de API verificado

La API pública pasa un formato de entrada diferente al que necesita este modelo. Usa el playground anterior.

06

Especificaciones

ID del modelo
grok-2-vision
Desarrollador
xAI
Categoría
Multimodal
Entrada
Texto, Imagen
Salida
Texto
Ventana de contexto
32.768 tokens
Salida máxima
4096 tokens
Ciclo de vida
Retirado
Tamaño del modelo
Undisclosed
Licencia
Proprietary commercial API and X Premium product. Generated outputs may be used commercially under the xAI terms.
Entrada del catálogo actualizada
24 de septiembre de 2026

Etiquetas

  • xai
  • vision
  • legacy
07

Casos de uso

Para qué se utiliza

  • Chart and screenshot question answering
  • OCR-heavy document understanding
  • X-integrated AI assistants and search agents
  • Code-with-image bug analysis
  • Image-grounded customer support
08

Preguntas frecuentes

¿Qué es Grok 2 Vision?

Grok 2 Vision es un modelo de xAI en la categoría Multimodal. Aparece en el catálogo de Railwail pero no se puede ejecutar en este momento.

¿Cuánto cuesta Grok 2 Vision en Railwail?

Grok 2 Vision no se puede ejecutar en Railwail en este momento, por lo que no hay precio actual. Las alternativas disponibles con precios se enumeran más abajo en esta página.

¿Cuál es la ventana de contexto de Grok 2 Vision?

La ventana de contexto de Grok 2 Vision contiene 32.768 tokens. Una respuesta puede tener hasta 4096 tokens.

¿Qué velocidad tiene Grok 2 Vision?

Aún no hay suficientes ejecuciones medidas de Grok 2 Vision en Railwail para indicar un tiempo de ejecución. Depende de la entrada, la configuración y la carga en el proveedor.

¿Es Grok 2 Vision mejor que BLIP?

Depende de la tarea. Grok 2 Vision (xAI) y BLIP (Salesforce) son ambos modelos en la categoría Multimodal. La página de comparación muestra sus precios y especificaciones lado a lado.

Comparar Grok 2 Vision y BLIP

¿Puede Grok 2 Vision procesar imágenes?

Sí. Grok 2 Vision acepta imágenes como entrada además de texto.

¿Puedo usar Grok 2 Vision ahora mismo?

Actualmente no disponible: este modelo ha sido desactivado. La página se mantiene en línea; las alternativas disponibles de la misma categoría se enumeran más abajo.

Todos los modelos a través de una API

Una clave API para todos los modelos en Railwail. El uso se cobra desde créditos prepagados, 1 crédito = 0,01 US$.