Grok 2 Vision

MultimodalRetiradoIndisponível
por xAIID do modelo: grok-2-vision

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

Status
Indisponível
Contexto
32.768 tokens
Saída máxima
4.096 tokens
Entrada → Saída
Texto + Imagem → Texto
Desenvolvedor
xAI
Atualizado
24 de setembro de 2026

Grok 2 Vision não está disponível no momento

Atualmente indisponível: este modelo foi desativado.

Você ainda pode ler os detalhes nesta página. Escolha uma das alternativas disponíveis abaixo para executar um modelo comparável imediatamente.

Ir para alternativas

O provedor retirou este modelo.

01

Modelos comparáveis

Todos nesta categoria
  • 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.

    ≈ US$ 0,00030/execução

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

    US$ 6,00/1M entrada

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

    US$ 3,60/1M entrada

02

Playground

Experimentar Grok 2 Vision

Sem formulário de entrada

Indisponível no momento

Atualmente indisponível: este modelo foi desativado.

O playground está desativado. Encontre modelos comparáveis na mesma categoria: Ver alternativas

03

Sobre Grok 2 Vision

ResumoA partir de 24 de setembro de 2026

Grok 2 Vision é um modelo de xAI na categoria Multimodal. Grok 2 Vision não está disponível no Railwail no momento. A janela de contexto contém 32.768 tokens, e uma resposta pode ter até 4.096 tokens.

Fundo

Sobre xAI

Fundado em 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.

Visite xAI

Arquitetura

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.

Parâmetros
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

Treinamento & licença

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.

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

Testes de segurança: 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.

Limitações conhecidas

  • 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

Preços

Atualmente indisponível: este modelo foi desativado. Não há preço para este modelo no momento, portanto não pode ser executado.

05

API

Chame Grok 2 Vision com sua chave de API Railwail. Use este ID de modelo na solicitação:

Nenhum exemplo de API verificado

A API pública passa um formato de entrada diferente do que este modelo precisa. Use o playground acima.

06

Especificações

ID do modelo
grok-2-vision
Desenvolvedor
xAI
Categoria
Multimodal
Entrada
Texto, Imagem
Saída
Texto
Janela de contexto
32.768 tokens
Saída máx.
4.096 tokens
Ciclo de vida
Retirado
Tamanho do modelo
Undisclosed
Licença
Proprietary commercial API and X Premium product. Generated outputs may be used commercially under the xAI terms.
Entrada do catálogo atualizada
24 de setembro de 2026

Etiquetas

  • xai
  • vision
  • legacy
07

Casos de uso

Para que é utilizado

  • 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

Perguntas frequentes

O que é Grok 2 Vision?

Grok 2 Vision é um modelo de xAI na categoria Multimodal. Está listado no Railwail, mas não pode ser executado no momento.

Quanto custa Grok 2 Vision no Railwail?

Grok 2 Vision não pode ser executado no Railwail no momento, portanto não há preço atual. Alternativas disponíveis com preços estão listadas mais abaixo nesta página.

Qual é a janela de contexto de Grok 2 Vision?

A janela de contexto de Grok 2 Vision contém 32.768 tokens. Uma resposta pode ter até 4.096 tokens.

Qual é a velocidade de Grok 2 Vision?

Ainda não há execuções medidas suficientes de Grok 2 Vision no Railwail para indicar um tempo de execução. Depende da entrada, das configurações e da carga no provedor.

Grok 2 Vision é melhor que BLIP?

Depende da tarefa. Grok 2 Vision (xAI) e BLIP (Salesforce) são ambos modelos na categoria Multimodal. A página de comparação mostra seus preços e especificações lado a lado.

Comparar Grok 2 Vision e BLIP

Grok 2 Vision pode processar imagens?

Sim. Grok 2 Vision aceita imagens como entrada além de texto.

Posso usar Grok 2 Vision agora?

Atualmente indisponível: este modelo foi desativado. A página permanece online; alternativas disponíveis da mesma categoria estão listadas mais abaixo.

Todos os modelos através de uma API

Uma chave API para todos os modelos no Railwail. O uso é cobrado a partir de créditos pré-pagos, 1 crédito = US$ 0,01.