Grok 2 Vision

МултимодаленПовлеченоНедостапно
од xAIID на модел: grok-2-vision

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

Статус
Недостапно
Контекст
32.768 токени
Макс. излез
4.096 токени
Влез → излез
Текст + Слика → Текст
Развивач
xAI
Ажурирано
24 септември 2026 г.

Grok 2 Vision е моментално недостапен

Моментално недостапно: овој модел е деактивиран.

Можете да ги прочитате деталите на оваа страница. Изберете една од достапните алтернативи подолу за да извршите споредлив модел веднаш.

Оди на алтернативи

Добавувачот го повлече овој модел.

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 US$/извршување

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

    6,00 US$/1M вл

  • 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 вл

02

Playground

Пробајте Grok 2 Vision

Нема форма за влез

Тренутно недостапно

Моментално недостапно: овој модел е деактивиран.

Игралиштето е оневозможено. Слични модели можете да најдете во иста категорија: Погледни алтернативи

03

За Grok 2 Vision

НакраткоОд 24 септември 2026 г.

Grok 2 Vision е модел од xAI во категоријата Мултимодален. Grok 2 Vision моментално не е достапен на Railwail. Контекстниот прозорец содржи 32.768 токени, а еден одговор може да биде до 4.096 токени долг.

Позадина

За xAI

Основана 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.

Посетете xAI

Архитектура

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.

Параметри
Undisclosed
Контекст
131.072 токени

Способности

  • 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

Обука и лиценца

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.

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

Тестирање на безбедност: 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.

Познати ограничувања

  • 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

Цени

Моментално недостапно: овој модел е деактивиран. Нема цена за овој модел во моментот, затоа не може да се извршува.

05

API

Повикајте го Grok 2 Vision со вашиот Railwail API клуч. Користете го овој ID на моделот во барањето:

Нема потврден API пример

Јавниот API пренесува различен формат на влез отколку што овој модел има потреба. Користете го игралиштето погоре.

06

Спецификации

ID на моделот
grok-2-vision
Развивач
xAI
Категорија
Мултимодален
Влез
Текст, Слика
Излез
Текст
Контекстен прозорец
32.768 токени
Макс. излез
4.096 токени
Животен циклус
Повлечено
Големина на модел
Undisclosed
Лиценца
Proprietary commercial API and X Premium product. Generated outputs may be used commercially under the xAI terms.
Каталошка ставка ажурирана
24 септември 2026 г.

Ознаки

  • xai
  • vision
  • legacy
07

Случаи на употреба

За што се користи

  • 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

Често поставувани прашања

Што е Grok 2 Vision?

Grok 2 Vision е модел од xAI во категоријата Мултимодален. Наведено е на Railwail, но не може да се извршува во моментов.

Колку чини Grok 2 Vision на Railwail?

Grok 2 Vision не може да се извршува на Railwail во моментов, затоа нема тековна цена. Достапни алтернативи со цени се наведени подолу на оваа страница.

Колку е контекстниот прозорец на Grok 2 Vision?

Контекстниот прозорец на Grok 2 Vision содржи 32.768 токени. Еден одговор може да биде до 4.096 токени долг.

Колку брз е Grok 2 Vision?

Нема доволно измерени извршувања на Grok 2 Vision на Railwail за да се наведе време на извршување. Зависи од влезот, поставките и оптеретувањето кај добавувачот.

Дали Grok 2 Vision е подобар од BLIP?

Зависи од задачата. Grok 2 Vision (xAI) и BLIP (Salesforce) се обата модели во категоријата Мултимодален. Страницата за споредба ги покажува нивните цени и спецификации една до друга.

Спореди Grok 2 Vision и BLIP

Може ли Grok 2 Vision да обработува слики?

Да. Grok 2 Vision прифаќа слики како влез покрај текстот.

Можам ли да го користам Grok 2 Vision сега?

Моментално недостапно: овој модел е деактивиран. Страницата останува онлајн; достапни алтернативи од иста категорија се наведени подолу.

Сите модели преку една API

Еден API клуч за секој модел на Railwail. Употребата се наплаќува од подготвени кредити, 1 кредит = 0,01 US$.