Grok 2 Vision

MultimodálisKivezetveNem elérhető
xAI általModell-azonosító: grok-2-vision

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

Állapot
Nem elérhető
Kontextus
32 768 token
Max. kimenet
4096 token
Bemenet → kimenet
Szöveg + Kép → Szöveg
Fejlesztő
xAI
Frissítve
2026. szeptember 24.

Grok 2 Vision jelenleg nem elérhető

Jelenleg nem elérhető: ezt a modellt deaktiválták.

Az oldal részleteit továbbra is elolvashatja. Az alábbi elérhető alternatívák közül válasszon egy hasonló modell azonnali futtatásához.

Ugrás az alternatívákhoz

A szolgáltató kivezette ezt a modellt.

01
  • 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 USD/futás

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

    6,00 USD/1M be

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

    3,60 USD/1M be

02

Playground

Próbáld ki: Grok 2 Vision

Nincs beviteli forma

Jelenleg nem elérhető

Jelenleg nem elérhető: ezt a modellt deaktiválták.

A játszótér letiltva van. Hasonló modelleket találsz ugyanabban a kategóriában: Alternatívák megtekintése

03

A Grok 2 Vision névjegye

Röviden2026. szeptember 24. szerint

A Grok 2 Vision a xAI által fejlesztett modell a Multimodális kategóriában. A Grok 2 Vision jelenleg nem érhető el a Railwail-en. A kontextablak 32 768 tokent tartalmaz, egy válasz pedig legfeljebb 4096 token hosszú lehet.

Háttér

A xAI névjegye

Alapítva: 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.

xAI meglátogatása

Architektúra

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.

Paraméterek
Undisclosed
Kontextus
131 072 token

Képességek

  • 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

Képzés és licenc

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.

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

Biztonsági tesztelés: 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.

Ismert korlátozások

  • 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

Árak

Jelenleg nem elérhető: ezt a modellt deaktiválták. Jelenleg nincs ár ehhez a modellhez, ezért nem futtatható.

05

API

Hívja meg a Grok 2 Vision modellt a Railwail API-kulcsával. Használja ezt a modell-azonosítót a kérésben:

Nincs ellenőrzött API-példa

A nyilvános API más bemeneti formátumot továbbít, mint amit ez a modell igényel. Használja a fenti Playground-ot.

06

Specifikációk

Modell-azonosító
grok-2-vision
Fejlesztő
xAI
Kategória
Multimodális
Bemenet
Szöveg, Kép
Kimenet
Szöveg
Kontextusablak
32 768 token
Max. kimenet
4096 token
Életciklus
Kivezetve
Modell mérete
Undisclosed
Licenc
Proprietary commercial API and X Premium product. Generated outputs may be used commercially under the xAI terms.
Katalógus bejegyzés frissítve
2026. szeptember 24.

Címkék

  • xai
  • vision
  • legacy
07

Felhasználási esetek

Mire használják

  • 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

Gyakran ismételt kérdések

Mi az a Grok 2 Vision?

A Grok 2 Vision a xAI által fejlesztett modell a Multimodális kategóriában. A Railwail katalógusában szerepel, de jelenleg nem futtatható.

Mennyibe kerül a Grok 2 Vision a Railwail-on?

A Grok 2 Vision jelenleg nem futtatható a Railwail-on, ezért nincs aktuális ár. Az elérhető alternatívák árakkal az oldal alább találhatók.

Mekkora a Grok 2 Vision kontextablaka?

A Grok 2 Vision kontextablaka 32 768 tokent tartalmaz. Egy válasz legfeljebb 4096 token hosszú lehet.

Milyen gyors a Grok 2 Vision?

A Grok 2 Vision-nek még nincs elég mért futtatása a Railwail-on ahhoz, hogy futási időt adjunk meg. Ez a bemenettől, a beállításoktól és a szolgáltató terhelésétől függ.

A Grok 2 Vision jobb, mint a BLIP?

Ez a feladattól függ. A Grok 2 Vision (xAI) és a BLIP (Salesforce) egyaránt modellek a Multimodális kategóriában. Az összehasonlítás oldal az árakat és specifikációkat egymás mellett mutatja.

Grok 2 Vision és BLIP összehasonlítása

A Grok 2 Vision képes képeket feldolgozni?

Igen. A Grok 2 Vision szöveg mellett képeket is fogad bemenetként.

Használhatom a Grok 2 Vision-t most?

Jelenleg nem elérhető: ezt a modellt deaktiválták. Az oldal online marad; az ugyanabból a kategóriából elérhető alternatívák az oldal alább találhatók.

Összes modell egy API-n keresztül

Egy API-kulcs a Railwail összes modelljéhez. A használat előre feltöltött kreditek alapján kerül felszámításra, 1 kredit = 0,01 USD.