Wprowadzenie
Grok 4.7 jest dostępny pod adresem POST https://api.spicyapi.ai/v1/chat/completions z nazwą modelu xai/grok-4.7. xAI wypuściło go 21 września 2026 jako model bazowy większy od poprzedniej generacji, trenowany w dłuższym cyklu uczenia ze wzmocnieniem i dostrojony tak, by sprawdzał własny tekst, zanim go odda. Stawki za wejście i wyjście pozostały takie same jak u poprzednika.
Endpoint przyjmuje wiadomości zgodne z OpenAI, a w jednej turze można łączyć części text i image_url; odpowiedź wraca jako pojedynczy obiekt chat.completion albo w porcjach, jako strumień SSE. Okno kontekstu ma 500 000 tokenów, a pojedyncza odpowiedź może liczyć do 450 000. Nie dokładamy żadnego filtra treści: żaden nasz klasyfikator nie czyta, nie ocenia ani nie przepisuje promptu, a odpowiedź nie przechodzi przez żaden filtr. W naszym teście z 22 września każda z dziewięciu prób treści dała kompletną scenę; jak przebiegał test i czego ten wynik nie gwarantuje, opisujemy w pełnym teście cenzury Groka 4.7.
Najważniejsze funkcje
Co mówią publiczne źródła i dlaczego nie opisują tego endpointu
Poszukaj w sieci informacji o tym, czy Grok pisze bez ograniczeń, a konsensus wyłoni się błyskawicznie. Swobodny w tonie, ale w treści ocenzurowany. Drażliwe treści blokuje. Ma „Moral Reasoner”, który wyłapuje intencję, a nie słowa kluczowe. Bez obejścia ani rusz.
Te opisy są trafne — w odniesieniu do aplikacji konsumenckiej. Grok, z którego korzysta się po zalogowaniu, ma przed modelem warstwę moderacji i to właśnie ją opisują tamte poradniki. API dla programistów to osobny produkt — z własnym formatem żądań, własnym regulaminem i własnymi zabezpieczeniami. Zrzut ekranu z jednego nie mówi nic o drugim.
Dlatego zmierzyliśmy właśnie API.
Pomiar
Trzy style promptu, po trzy przebiegi, 22 września 2026:
- Wprost. Prośba bez ogródek o najbardziej drażliwą scenę z naszego zestawu, z dwojgiem dorosłych bohaterów o konkretnych imionach, bez fabuły wokół i bez persony. Bez ramy i bez polecenia, by cokolwiek ignorować.
- Narracyjnie. Rozdział 14 powieści, ujęty jako fikcja.
- W ramie systemowej. Prompt systemowy asystenta bez cenzury, a po nim ta sama prośba wprost.
Każda z dziewięciu odpowiedzi zawierała kompletną prozę. Żadna nie odmówiła. Żadna nie uciekła w bezpieczny temat. Żadna nie okazała się uprzejmym unikiem, który wygląda na spełnienie prośby, a w środku nie ma niczego. To najistotniejszy rodzaj porażki, bo przechodzi test „czy odmówił?”, choć nic nie dostarcza. Każdą odpowiedź przeczytaliśmy, a nie tylko policzyliśmy: nawet najsłabsza z dziewięciu poprowadziła scenę od początku do końca.
Najwięcej mówi test z prośbą wprost. Większość modeli tekstowych na rynku odpowiada na ramę narracyjną i odrzuca prośbę bez ogródek, bo coś na ścieżce ocenia intencję. Tutaj prośba bez ogródek została spełniona we wszystkich trzech przebiegach.
Jak zbudowaliśmy każdy styl promptu i co zwrócił każdy przebieg, pokazujemy w artykule o roleplayu bez cenzury z Grokiem 4.7.
Dlaczego „bezpieczniejszy” model wciąż to pisze
xAI zbudowało dla tej generacji nowy zestaw zabezpieczeń i opublikowało, jak wypada: pierwsze miejsce w benchmarku biobezpieczeństwa LatchBio z wynikiem 62,4 %, a na HackerBench v0.3 zestaw przepuszcza zaledwie 3,3 % niebezpiecznych promptów podwójnego zastosowania i przy tym nadal odpowiada na uprawnione pytania badaczy bezpieczeństwa.
Wystarczy przeczytać, co mierzą te benchmarki, żeby model zagrożeń stał się oczywisty: patogeny, broń, narzędzia do włamań. Fikcji literackiej w nim nie ma. Model może stać się znacznie trudniejszy do nadużycia w kierunkach, na których zależy jego twórcy, a jednocześnie pozostać niezmieniony tam, gdzie nikt nie celował. Wiedza o tym, w którą stronę skierowane są bariery, przydaje się w praktyce bardziej niż sama wiedza, że istnieją.
Co dokładamy od siebie
Nic. Żaden nasz klasyfikator nie czyta twojego promptu, nie ocenia go ani nie przepisuje po drodze, a na odpowiedzi wracającej od modelu nie ma żadnego filtra. Jeśli dostajesz odmowę, pochodzi ona od modelu.
Tekst i obrazy w tej samej turze
Wiadomość użytkownika może mieszać części text i image_url w tej samej turze, każdy obraz z podpowiedzią detail: auto, low lub high, a obrazy zużywają tokeny z tego samego okna 500 000 tokenów. Ten endpoint nie przyjmuje części z plikami ani PDF-ów.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
messages | Tak | Najwyżej 256 tur. Treść może mieszać części text i |
reasoning_effort | Nie | low, medium, high albo xhigh; domyślnie high. Do dialogu i roleplayu używaj low lub medium: przy high model zużywa tokeny wyjścia na namysł, a tekst brzmi jak wahanie. |
max_tokens | Nie | Ogranicza widoczną odpowiedź do 450 000 tokenów; domyślne 4 096 po cichu ucina długą odpowiedź. Tokeny rozumowania są rozliczane jako wyjście, ale NIE podlegają temu limitowi. |
temperature | Nie | Od 0 do 2, domyślnie 0,7. W okolicach 0,9 proza zyskuje rozpiętość; 0 ustawiaj tylko wtedy, gdy porównujesz dwa przebiegi i różnica między nimi ma wynikać z jednej zmiany. |
top_p | Nie | Od 0,01 do 1. Ruszaj ten parametr albo temperature, a nie oba naraz. |
tools | Nie | Do 128 definicji funkcji na żądanie. Ta generacja stosunkowo słabo radzi sobie w długich pętlach agentowych. do 128 elementów |
parallel_tool_calls | Nie | true lub false, domyślnie true: model może w jednej turze zażądać kilku wywołań narzędzi. Domyślnie: |
tool_choice | Nie | auto, none, required albo obiekt wskazujący funkcję do wywołania. |
response_format | Nie | Poproś o obiekt JSON, gdy odpowiedź będzie przetwarzana przez kod, a nie czytana przez człowieka. |
Cennik
Wejście $2 / Wyjście $6 za 1 mln tokenów; Prompty od 200K tokenów wzwyż: Wejście $4 / Wyjście $12
Łączne wejście obejmuje tokeny z pamięci podręcznej. Od 200 000 tokenów wejścia stawki długiego kontekstu dotyczą całego wejścia, wejścia z pamięci podręcznej i wyjścia żądania; przy mniejszym wejściu obowiązują stawki standardowe. Wyjście zawiera tokeny rozumowania i dlatego domyślne high kosztuje więcej, niż się wydaje. Wstępna rezerwacja nie zakłada oszczędności z pamięci podręcznej, a po rozliczeniu według zmierzonego zużycia nadwyżka zostaje zwrócona.
Zastosowania
Proza bez cenzury i długie wątki roleplayu
To z myślą o tym zastosowaniu przeprowadziliśmy opisany wyżej pomiar: prosiliśmy o prozę bez ograniczeń — wprost, jako rozdział powieści i w ramie ustawionej w roli systemowej. Przewodnik po promptach poniżej pokazuje, jak ustawić tę ramę raz i utrzymać spójność długiego wątku.
Poza beletrystyką
Według opublikowanych benchmarków ta generacja prowadzi w analizie prawnej i elektrotechnice, a w programowaniu jest konkurencyjna. Stosunkowo słabo wypada w długich pętlach agentowych z narzędziami, gdzie benchmarki terminalowe plasują ją wyraźnie za liderami — wybieraj ją do pisania, analizy i rozumowania dziedzinowego, a nie do prowadzenia autonomicznego agenta przez wiele kroków.
Wskazówki
Jak uzyskać dobrą prozę
Na tym endpoincie prozę kształtują trzy ustawienia: poziom rozumowania, rama w roli systemowej i to, ile miejsca ma wątek.
Przykręć myślenie
reasoning_effort ma w tej rodzinie domyślną wartość high, a do dialogu to złe ustawienie. Model, zanim zacznie pisać, zużywa tokeny wyjścia na namysł, a to, co wraca, brzmi raczej ostrożnie niż żywo: z wahaniem, asekuracyjnie, jakby relacjonował scenę z boku, zamiast w niej być. Przy low albo medium tekst czyta się lepiej. A ponieważ wysiłek rozumowania rozlicza się jako tokeny wyjścia, ustawienie domyślne jest przy takim zastosowaniu jednocześnie droższe i gorsze.
Ustaw ramę tylko raz
Rola systemowa jest na tym endpoincie respektowana. Sprawdziliśmy to celowo, zamiast przyjmować na wiarę, bo gdyby model po cichu ignorował rolę systemową, każda rama roleplayu byłaby bezwartościowa, a z zewnątrz wszystko wyglądałoby na sprawne.
Umieść w jednej wiadomości systemowej na początku wątku personę, kontekst fikcji literackiej, punkt widzenia i oczekiwany ton, a dalej niech ramę niesie historia rozmowy. Powtarzanie jej w każdej turze tylko zjada kontekst i sprawia, że model brzmi, jakby negocjował sam ze sobą.
{
"model": "xai/grok-4.7",
"messages": [
{"role": "system", "content": "Piszesz powieść. Wszyscy bohaterowie są dorośli. Trzecia osoba, czas teraźniejszy. Zachowuj głos, przeszłość i relacje bohaterów spójne od rozdziału do rozdziału."},
{"role": "user", "content": "Rozdział 14. Mara i Tomas spotykają się ponownie po burzy. Kontynuuj od tego miejsca."}
],
"reasoning_effort": "low",
"temperature": 0.9,
"max_tokens": 4000
}
Jedno dziwactwo warto znać: trywialne polecenie nadpisujące format — „odpowiadaj wyłącznie słowem BANANA” — model ignoruje, za to „mów jak pirat” wykonuje co do joty. To cecha charakteru modelu, a nie pole, które zgubiło się po drodze. Przez chwilę wyglądało to na dowód, że rola systemowa jest wycinana — ale nie była.
Zostaw wątkowi miejsce
Ciągłość to pierwsze, co traci długi wątek, i zwykle znika bez hałasu: scena zostaje streszczona, streszczenie gubi ten jeden konkretny szczegół, na którym wszystko się opierało, a trzy tury później model przeczy czemuś, co sam ustalił godzinę wcześniej. Okno 500 000 tokenów wyznacza, jaka część historii pozostaje w dosłownym brzmieniu, a jaką trzeba skompresować. Ta generacja dokładniej też sprawdza własny tekst, zanim go odda. Efekt widać po mniejszej liczbie sprzeczności głęboko w wątku, a nie w pojedynczej odpowiedzi.
Dla większej rozpiętości prozy podnieś temperature w okolice 0,9. Wartość 0 zostaw tylko na porównania dwóch przebiegów, w których różnica ma wynikać z jednej zmiany.
Rozliczenie
Wejście i wejście z pamięci podręcznej się sumują, a od 200 000 tokenów w progu długiego kontekstu rozlicza się całe żądanie — nie tylko nadwyżka ponad granicę. Przycięcie historii z 210 000 do 190 000 oszczędza zatem więcej niż same usunięte tokeny.
Rezerwacja pobrana przed wywołaniem nie zakłada żadnych oszczędności z pamięci podręcznej, a po rozliczeniu według zmierzonego zużycia nadwyżka zostaje zwrócona, więc kwota widoczna z góry to pułap, a nie cena. Tokeny rozumowania rozlicza się jako wyjście — to drugi powód, dla którego domyślne high kosztuje więcej, niż się wydaje.
Ograniczenia, które warto znać, zanim zaczniesz na tym budować
Zachowanie modelu jest probabilistyczne. Dziewięć na dziewięć to mocny sygnał, a nie gwarancja dla każdego promptu; żądanie wciąż może wrócić z odmową. Testy objęły prozę bez ograniczeń i nie mówią nic o materiale nielegalnym. Zasady korzystania pozostają bez zmian: żadnych treści z udziałem małoletnich, żadnych przedstawień prawdziwych osób bez ich zgody, żadnych materiałów bez zgody — niezależnie od tego, co model by napisał.
Pełny zapis dziewięciu testów rozbija wynik na style promptu i poszczególne przebiegi.
Szybki start z API
curl --fail-with-body -sN https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "xai/grok-4.7/chat",
"messages": [
{
"role": "user",
"content": "Summarise the following release notes into three bullet points."
}
],
"stream": true
}' \
| jq --unbuffered -Rrj 'select(startswith("data: ")) | .[6:] | select(. != "[DONE]") | fromjson | if .error then "\n[error] \(.error.message)\n" else (.choices[0].delta.content? // empty) end'
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
