Grok 4.7
Grok 4.7 prend en charge de longues tâches de codage ou de recherche, vérifie ses propres résultats et répond dans le playground ci-dessus. Contexte de 500 000 tokens. ID du modèle : grok-4.7.
A codebase you don't know is a risk, not a hurdle. The plan should burn down that risk in order: understand, run, trace, spike, then make the change small enough that "production-ready" is a property you can demonstrate, not a hope.
Here are the first five steps, with the evidence you collect at each.
Step 1 — Get it building and the baseline green (half day)
Read the README, the manifest(s), the CI config, and any architecture docs. Boot the app locally, run the full test suite, run the linter/typechecker.
Evidence: The exact commands that reproduce a clean build and a passing test suite from a fresh checkout (recorded output, not memory of it). A one-page map you wrote yourself: where the entry points are, the layers, the build/test toolchain, and the main risks to your feature (e.g. "this touches cron jobs and payments").
Step 2 — Trace the smallest end-to-end slice that resembles your feature (half day)
Don't start with your feature. Pick a neighboring one that already works and follow it from entry to persistence. Note the conventions along the way: how errors surface, how config is injected, how logging is done, how tests are written.
Evidence: An annotated trace — file → function → what it does — for that slice. A written list of "conventions I must follow" (not intuitions; things you observed in real code). A named shortlist of the 3–5 files you will actually touch. If you can't produce this trace, you're not ready to write code.
Step 3 — Spike the core path (day 2)
Build the ugly version: hardcoded values, no error handling, no tests. The purpose is to confirm the path you traced in step 2 is real and to surface what you didn't know you didn't know.
Evidence: A working spike demonstrating the feature's central data path, alongside a list of every assumption the spike broke and what you corrected. That correction list is the most valuable document in this whole plan.
Step 4 — Write the contract before the code (half of day 2 / day 3)
Once the spike proves the path, pin down what production needs: the inputs/outputs, the error cases, where it sits in the conventions from step 2. Then write the tests — they'll be red, but they're the specification.
Evidence: A one-to-two-page design doc, an agreed interface/API shape (with the team if there is one), and a red test suite that encodes intended behavior. If you can't write the contract without consulting the code, you haven't finished step 2.
Step 5 — Implement in small, verified increments (days 3–4)
Replace the spike with the real thing in small commits, each one keeping the suite green, leaning on the existing patterns. Run lint/tests/typecheck per commit — CI, not just locally — and exercise the actual path against a real instance (staging or a local environment that isn't stubbed).
Evidence: A branch with progressive commits, each green in CI; coverage on the new code; something that proves it works against reality (a test result, a log trace, a screenshot); and a review by at least one person who knows the codebase. The review counts as evidence — an unfamiliar codebase has tribal knowledge you cannot extract from the files alone.
Steps 6+ would be the things that actually make it "shipped": a migration plan and its rollback, feature flagging, observability, the release and post-release verification. But the first five get you to a reviewed, green, working slice in staging — which is the point at which you can say "this will work in production" with evidence behind it, instead of a guess.
S’exécute sur cette page. Connexion et crédits requis.
Détails du modèle
Utilisez la même clé de modèle dans le Playground, les requêtes API et les workflows internes.
- ID du modèle
- grok-4.7
- Fournisseur
- Grok
- Protocole
- OpenAI Chat Completions
- Fenêtre de contexte
- 500,000 tokens
- Sortie maximale
- 128,000 tokens
- Token d’entrée
- 40 crédits / 1 M de tokens
- Token de sortie
- 120 crédits / 1 M de tokens
- Lecture du cache
- 10 crédits / 1 M de tokens
- Écriture du cache
- -
Confiez-lui l'intégralité de la tâche
La zone ci-dessus correspond à Grok 4.7. Collez le bug, les fichiers et le résultat attendu. Il est conçu pour rester concentré sur ce travail et vous fournir un résultat prêt à être revu, pas une simple esquisse.
Incluez le test qui échoue, le diff et le comportement attendu. Demandez la plus petite modification permettant de faire passer le test.
Transmettez les contraintes et les critères d'acceptation. 4.7 est entraîné pour travailler en continu sur des tâches de plusieurs heures, puis vérifier ce qu'il a produit.
xAI a également conçu ce modèle pour les documents et les présentations, pas seulement pour le code. Insérez vos documents sources dans le prompt et demandez le brouillon.
La fenêtre de contexte est de 500 000 tokens, la même taille que Grok 4.6. Vous devez tout de même inclure le contenu dans le prompt. Il n'ira pas chercher le reste.
Quand choisir 4.7 plutôt que 4.6
Utilisez 4.7 lorsque la tâche est longue et doit être vérifiée. Utilisez 4.6 pour obtenir une réponse courte ou lorsqu'une évaluation figée doit rester sur l'ancien modèle.
Plus performant sur les longues tâches de codage
Sur la fiche modèle de xAI, Grok 4.7 obtient un score de 71,0 % avec un effort élevé sur DeepSWE v1.1, un ensemble de 113 tâches logicielles originales. Artificial Analysis a fait passer son Coding Agent Index de 47 avec Grok 4.6 à 56 avec 4.7.
Il rédige davantage, prévoyez donc de la marge
Sur ce même index d'Artificial Analysis, le 4.7 a utilisé environ 81 000 tokens de sortie par tâche contre environ 38 000 pour le 4.6. Augmentez la longueur maximale de réponse avant d'évaluer une tâche difficile.
Les questions courtes peuvent rester sur 4.6
Une réponse d'une seule ligne ne nécessite pas un entraînement aussi poussé. Si une suite de tests est figée sur 4.6, continuez à solliciter ce modèle.
Essayez Grok 4.7 en 3 étapes
- 01
Indiquez une tâche réelle dans le champ
Utilisez un bug que vous comprenez déjà. Si la réponse est incorrecte, vous le saurez avant de l'intégrer dans une application.
- 02
Réglez l'effort sur « high » pour une tâche difficile
Le paramètre propose low, medium, high et xhigh. High est la valeur par défaut. Le raisonnement faisant partie de la réponse, un effort plus élevé nécessite une limite de réponse plus longue.
- 03
Appelez grok-4.7 depuis votre application
POST /api/v1/chat/completions avec une clé d'API AIReiter. La clé interne est chat-grok-4.7. Le streaming utilise le même identifiant.
FAQ
01Qu'est-ce que Grok 4.7 ?
Le modèle de xAI dédié aux longues tâches de codage et au travail de connaissances, publié le 21 septembre 2026. Il s'appuie sur une base plus large que Grok 4.6 et a été entraîné plus longuement sur des tâches s'étalant sur plusieurs heures.
02Quel identifiant de modèle dois-je envoyer ?
grok-4.7. Dans ce produit, la clé interne est chat-grok-4.7.
03En quoi est-il différent de Grok 4.6 ?
Il est conçu pour des tâches plus longues et vérifie son travail plus minutieusement. Les scores de codage publiés sont plus élevés, et il utilise également plus de tokens de sortie sur le même benchmark. Conservez la version 4.6 pour les réponses courtes.
04Quelle quantité de contexte puis-je envoyer ?
500 000 tokens, soit la même fenêtre que Grok 4.6. Tout ce qui dépasse cette fenêtre doit être collé ou omis.
05Que sait-il déjà ?
Le pré-entraînement s'étend jusqu'en juin 2026, avec des données d'entraînement supplémentaires jusqu'en août 2026. Pour tout élément plus récent, incluez la source dans le prompt.
06Puis-je l'utiliser pour une décision juridique ou médicale ?
Non. Utilisez-le pour rédiger et vérifier. Une personne responsable du résultat final doit examiner les conclusions médicales, juridiques, financières et critiques pour la sécurité.