Grok 2 Vision

MultimodalusNutrauktasNeprieinama
iš xAIModelio ID: grok-2-vision

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

Būsena
Neprieinama
Kontekstas
32 768 žetonų
Maks. išvestis
4 096 žetonų
Įvestis → išvestis
Tekstas + Vaizdas → Tekstas
Kūrėjas
xAI
Atnaujinta
2026 m. rugsėjo 24 d.

Grok 2 Vision šiuo metu neprieinamas

Šiuo metu nepasiekiama: šis modelis buvo išjungtas.

Šiame puslapyje galite perskaityti išsamią informaciją. Norėdami iš karto paleisti panašų modelį, pasirinkite vieną iš žemiau pateiktų prieinamų alternatyvų.

Į alternatyvas

Teikėjas šį modelį nutraukė.

01

Panašūs modeliai

Visi šioje kategorijoje
  • 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/paleidimas

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

    6,00 USD/1M įv

  • 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 įv

02

Žaidimų aikštelė

Išbandyti Grok 2 Vision

Nėra įvesties formos

Šiuo metu neprieinamas

Šiuo metu nepasiekiama: šis modelis buvo išjungtas.

Žaidimų aikštelė išjungta. Panašius modelius rasite toje pačioje kategorijoje: Peržiūrėti alternatyvas

03

Apie Grok 2 Vision

TrumpaiNuo 2026 m. rugsėjo 24 d.

Grok 2 Vision yra xAI modelis iš Multimodalus kategorijos. Grok 2 Vision šiuo metu nėra prieinamas per Railwail. Konteksto langas saugo 32 768 žetonų, o vienas atsakymas gali būti iki 4 096 žetonų ilgio.

Fonas

Apie xAI

Įkurta 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.

Apsilankyti xAI

Architektūra

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.

Parametrai
Undisclosed
Kontekstas
131 072 žetonų

Galimybės

  • 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

Mokymas ir licencija

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.

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

Saugumo testai: 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.

Žinomos ribotybės

  • 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

Kainos

Šiuo metu nepasiekiama: šis modelis buvo išjungtas. Šiuo metu šiam modeliui nėra nustatytos kainos, todėl jo negalima paleisti.

05

API

Iškvieskite Grok 2 Vision naudodami savo Railwail API raktą. Šioje užklausoje naudokite šią modelio ID:

Nėra patikrinto API pavyzdžio

Viešoji API perduoda kitą įvesties formatą nei šis modelis reikalingas. Naudokite aukščiau esančią žaidimų aikštelę.

06

Specifikacijos

Modelio ID
grok-2-vision
Kūrėjas
xAI
Kategorija
Multimodalus
Įvestis
Tekstas, Vaizdas
Išvestis
Tekstas
Konteksto langas
32 768 žetonų
Maks. išvestis
4 096 žetonų
Ciklas
Nutrauktas
Modelio dydis
Undisclosed
Licencija
Proprietary commercial API and X Premium product. Generated outputs may be used commercially under the xAI terms.
Katalogo įrašas atnaujintas
2026 m. rugsėjo 24 d.

Žymos

  • xai
  • vision
  • legacy
07

Panaudojimo atvejai

Kam tai naudojama

  • 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

Dažnai užduodami klausimai

Kas yra Grok 2 Vision?

Grok 2 Vision yra xAI modelis iš Multimodalus kategorijos. Jis yra Railwail kataloge, tačiau šiuo metu negali būti paleistas.

Kiek kainuoja Grok 2 Vision Railwail?

Grok 2 Vision šiuo metu negali būti paleistas Railwail, todėl nėra dabartinės kainos. Toliau šiame puslapyje pateikiamos galimos alternatyvos su kainomis.

Koks yra Grok 2 Vision konteksto langas?

Grok 2 Vision konteksto langas saugo 32 768 žetonų. Vienas atsakymas gali būti iki 4 096 žetonų ilgio.

Koks yra Grok 2 Vision greitis?

Grok 2 Vision Railwail platformoje dar nėra pakankamai išmatuotų vykdymų, kad būtų galima nurodyti vykdymo laiką. Jis priklauso nuo įvesties, nustatymų ir teikėjo apkrovos.

Ar Grok 2 Vision geriau nei BLIP?

Tai priklauso nuo užduoties. Grok 2 Vision (xAI) ir BLIP (Salesforce) yra abu modeliai iš Multimodalus kategorijos. Palyginimo puslapyje jų kainos ir specifikacijos rodomos viena šalia kitos.

Palyginti Grok 2 Vision ir BLIP

Ar Grok 2 Vision gali apdoroti vaizdus?

Taip. Grok 2 Vision priima vaizdus kaip įvestį, be teksto.

Ar dabar galiu naudoti Grok 2 Vision?

Šiuo metu nepasiekiama: šis modelis buvo išjungtas. Puslapis lieka aktyvus; toliau pateikiamos galimos alternatyvos iš tos pačios kategorijos.

Visi modeliai per vieną API

Vienas API raktas visiems Railwail modeliams. Naudojimas apmokestinamas iš iš anksto nupirktų kreditų, 1 kreditas = 0,01 USD.