Grok 2 Vision

MultimodaaliPoistettu käytöstäEi saatavilla
kehittäjä: xAIMallin tunnus: grok-2-vision

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

Tila
Ei saatavilla
Konteksti
32 768 tokenia
Enint. tuloste
4 096 tokenia
Syöte → tulos
Teksti + Kuva → Teksti
Kehittäjä
xAI
Päivitetty
24. syyskuuta 2026

Grok 2 Vision ei ole tällä hetkellä saatavilla

Ei tällä hetkellä saatavilla: tämä malli on poistettu käytöstä.

Voit silti lukea tiedot tältä sivulta. Valitse yksi alla olevista saatavilla olevista vaihtoehdoista suorittaaksesi vertailukelpoisen mallin heti.

Siirry vaihtoehtoihin

Palveluntarjoaja on poistanut tämän mallin käytöstä.

01

Vertailukelpoiset mallit

Kaikki tässä kategoriassa
  • 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 $/suoritus

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

    6,00 $/1M in

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

    3,60 $/1M in

02

Leikkikenttä

Kokeile Grok 2 Vision

Ei syötelomaketta

Ei tällä hetkellä saatavilla

Ei tällä hetkellä saatavilla: tämä malli on poistettu käytöstä.

Leikkikenttä on poistettu käytöstä. Vertailukelpoisia malleja löydät samasta kategoriasta: Selaa vaihtoehtoja

03

Tietoja: Grok 2 Vision

Lyhyesti24. syyskuuta 2026 alkaen

Grok 2 Vision on xAI-kehittäjän malli kategoriasta Multimodaali. Grok 2 Vision ei ole tällä hetkellä saatavilla Railwailissa. Kontekstiikkuna sisältää 32 768 tokenia, ja vastaus voi olla enintään 4 096 tokenia pitkä.

Tausta

Tietoja: xAI

Perustettu 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.

Vieraile sivustolla xAI

Arkkitehtuuri

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.

Parametrit
Undisclosed
Konteksti
131 072 tokenia

Ominaisuudet

  • 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

Koulutus ja lisenssi

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.

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

Turvallisuustestit: 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.

Tunnetut rajoitukset

  • 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

Hinnat

Ei tällä hetkellä saatavilla: tämä malli on poistettu käytöstä. Tällä hetkellä tälle mallille ei ole hintaa, joten sitä ei voi suorittaa.

05

API

Kutsu Grok 2 Vision Railwail-API-avaimellasi. Käytä tätä mallin tunnusta pyynnössä:

Ei vahvistettua API-esimerkkiä

Julkinen API välittää eri syötemuotoa kuin tämä malli tarvitsee. Käytä yllä olevaa leikkikenttää.

06

Tekniset tiedot

Mallin tunnus
grok-2-vision
Kehittäjä
xAI
Kategoria
Multimodaali
Syöte
Teksti, Kuva
Tuloste
Teksti
Konteksti-ikkuna
32 768 tokenia
Enimmäistuloste
4 096 tokenia
Elinkaari
Poistettu käytöstä
Mallin koko
Undisclosed
Lisenssi
Proprietary commercial API and X Premium product. Generated outputs may be used commercially under the xAI terms.
Luettelokirjaus päivitetty
24. syyskuuta 2026

Tunnisteet

  • xai
  • vision
  • legacy
07

Käyttötapaukset

Mihin sitä käytetään

  • 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

Usein kysytyt kysymykset

Mikä on Grok 2 Vision?

Grok 2 Vision on xAIn kehittämä malli Multimodaali-kategoriassa. Se on listattu Railwailissa, mutta sitä ei voi tällä hetkellä suorittaa.

Paljonko Grok 2 Vision maksaa Railwailissa?

Grok 2 Visionta ei voi tällä hetkellä suorittaa Railwailissa, joten nykyistä hintaa ei ole. Saatavilla olevat vaihtoehdot hintojen kanssa on lueteltu tämän sivun alempana.

Mikä on Grok 2 Visionn kontekstiikkuna?

Grok 2 Visionn kontekstiikkuna sisältää 32 768 tokenia. Vastaus voi olla enintään 4 096 tokenia pitkä.

Kuinka nopea Grok 2 Vision on?

Grok 2 Visionlla ei ole vielä tarpeeksi mitattuja suorituksia Railwailissa suoritusajan ilmoittamiseksi. Se riippuu syötteestä, asetuksista ja palveluntarjoajan kuormituksesta.

Onko Grok 2 Vision parempi kuin BLIP?

Se riippuu tehtävästä. Grok 2 Vision (xAI) ja BLIP (Salesforce) ovat molemmat malleja Multimodaali-kategoriassa. Vertailussa näkyvät niiden hinnat ja tekniset tiedot rinnakkain.

Vertaa Grok 2 Vision ja BLIP

Voiko Grok 2 Vision käsitellä kuvia?

Kyllä. Grok 2 Vision hyväksyy kuvia syötteenä tekstin lisäksi.

Voiko Grok 2 Visiona käyttää juuri nyt?

Ei tällä hetkellä saatavilla: tämä malli on poistettu käytöstä. Sivu pysyy verkossa; saatavilla olevat vaihtoehdot samasta kategoriasta on lueteltu alempana.

Kaikki mallit yhden API:n kautta

Yksi API-avain kaikille Railwailin malleille. Käyttö laskutetaan prepaid-krediiteistä, 1 krediitti = 0,01 $.