xai

Grok-4

Grok-4 oleh xAI adalah frontier model yang menampilkan context window 2M token, integrasi platform X real-time, dan kemampuan reasoning pemecah rekor dunia.

xai logoxaiGrok9 Juli 2025
Konteks
2.0Mtoken
Output maks.
8Ktoken
Harga input
$3.00/ 1M
Harga output
$15.00/ 1M
Modalitas:TextImage
Kemampuan:VisiAlatStreamingPenalaran
Benchmarks
GPQA
87.5%
GPQA: Tanya Jawab Sains Tingkat Doktoral. Benchmark ketat dengan 448 pertanyaan pilihan ganda dalam biologi, fisika, dan kimia yang dibuat oleh pakar domain. Para ahli PhD hanya mencapai akurasi 65-74%, sementara non-ahli hanya mendapat 34% bahkan dengan akses web tak terbatas (sehingga disebut 'tahan Google'). Grok-4 meraih skor 87.5% pada benchmark ini.
HLE
44.4%
HLE: Penalaran Keahlian Tingkat Tinggi. Menguji kemampuan model untuk mendemonstrasikan penalaran tingkat ahli di domain khusus. Mengevaluasi pemahaman mendalam tentang topik kompleks yang membutuhkan pengetahuan tingkat profesional. Grok-4 meraih skor 44.4% pada benchmark ini.
MMLU
94%
MMLU: Pemahaman Bahasa Multitugas Masif. Benchmark komprehensif dengan 16.000 pertanyaan pilihan ganda meliputi 57 mata pelajaran akademik termasuk matematika, filsafat, hukum, dan kedokteran. Menguji pengetahuan luas dan kemampuan penalaran. Grok-4 meraih skor 94% pada benchmark ini.
MMLU Pro
81.2%
MMLU Pro: MMLU Edisi Profesional. Versi MMLU yang ditingkatkan dengan 12.032 pertanyaan menggunakan format 10 pilihan yang lebih sulit. Mencakup Matematika, Fisika, Kimia, Hukum, Teknik, Ekonomi, Kesehatan, Psikologi, Bisnis, Biologi, Filsafat, dan Ilmu Komputer. Grok-4 meraih skor 81.2% pada benchmark ini.
SimpleQA
48%
SimpleQA: Benchmark Akurasi Faktual. Menguji kemampuan model untuk memberikan respons yang akurat dan faktual terhadap pertanyaan langsung. Mengukur keandalan dan mengurangi halusinasi dalam tugas pengambilan pengetahuan. Grok-4 meraih skor 48% pada benchmark ini.
IFEval
89.2%
IFEval: Evaluasi Kepatuhan Instruksi. Mengukur seberapa baik model mengikuti instruksi dan batasan tertentu. Menguji kemampuan untuk mematuhi aturan format, batas panjang, dan persyaratan eksplisit lainnya. Grok-4 meraih skor 89.2% pada benchmark ini.
AIME 2025
100%
AIME 2025: Ujian Matematika Undangan Amerika. Soal matematika tingkat kompetisi dari ujian AIME bergengsi yang dirancang untuk siswa SMA berbakat. Menguji pemecahan masalah matematika tingkat lanjut yang membutuhkan penalaran abstrak, bukan sekadar pencocokan pola. Grok-4 meraih skor 100% pada benchmark ini.
MATH
92%
MATH: Pemecahan Masalah Matematika. Benchmark matematika komprehensif yang menguji pemecahan masalah dalam aljabar, geometri, kalkulus, dan domain matematika lainnya. Membutuhkan penalaran multi-langkah dan pengetahuan matematika formal. Grok-4 meraih skor 92% pada benchmark ini.
GSM8k
98.4%
GSM8k: Matematika SD 8K. 8.500 soal cerita matematika tingkat SD yang membutuhkan penalaran multi-langkah. Menguji aritmatika dasar dan pemikiran logis melalui skenario dunia nyata seperti belanja atau perhitungan waktu. Grok-4 meraih skor 98.4% pada benchmark ini.
MGSM
92.1%
MGSM: Matematika SD Multibahasa. Benchmark GSM8k yang diterjemahkan ke 10 bahasa termasuk Spanyol, Prancis, Jerman, Rusia, Cina, dan Jepang. Menguji penalaran matematika dalam berbagai bahasa. Grok-4 meraih skor 92.1% pada benchmark ini.
MathVista
72.4%
MathVista: Penalaran Matematika Visual. Menguji kemampuan untuk menyelesaikan masalah matematika yang melibatkan elemen visual seperti grafik, diagram geometri, dan figur ilmiah. Menggabungkan pemahaman visual dengan penalaran matematika. Grok-4 meraih skor 72.4% pada benchmark ini.
SWE-Bench
81%
SWE-Bench: Benchmark Rekayasa Perangkat Lunak. Model AI mencoba menyelesaikan masalah GitHub nyata dalam proyek Python open-source dengan verifikasi manusia. Menguji keterampilan rekayasa perangkat lunak praktis pada codebase produksi. Model terbaik meningkat dari 4,4% di 2023 menjadi lebih dari 70% di 2024. Grok-4 meraih skor 81% pada benchmark ini.
HumanEval
88%
HumanEval: Masalah Pemrograman Python. 164 masalah pemrograman yang ditulis tangan di mana model harus menghasilkan implementasi fungsi Python yang benar. Setiap solusi diverifikasi dengan unit test. Model terbaik sekarang mencapai akurasi lebih dari 90%. Grok-4 meraih skor 88% pada benchmark ini.
LiveCodeBench
79.4%
LiveCodeBench: Benchmark Koding Langsung. Menguji kemampuan koding pada tantangan pemrograman dunia nyata yang terus diperbarui. Berbeda dengan benchmark statis, menggunakan masalah baru untuk mencegah kontaminasi data dan mengukur keterampilan koding yang sebenarnya. Grok-4 meraih skor 79.4% pada benchmark ini.
MMMU
75%
MMMU: Pemahaman Multimodal. Benchmark Pemahaman Multimodal Multi-disiplin Masif yang menguji model penglihatan-bahasa pada masalah tingkat universitas di 30 mata pelajaran yang membutuhkan pemahaman gambar dan pengetahuan ahli. Grok-4 meraih skor 75% pada benchmark ini.
MMMU Pro
59.2%
MMMU Pro: MMMU Edisi Profesional. Versi MMMU yang ditingkatkan dengan pertanyaan lebih sulit dan evaluasi lebih ketat. Menguji penalaran multimodal tingkat lanjut di tingkat profesional dan ahli. Grok-4 meraih skor 59.2% pada benchmark ini.
ChartQA
90.5%
ChartQA: Tanya Jawab Grafik. Menguji kemampuan untuk memahami dan bernalar tentang informasi yang disajikan dalam grafik dan diagram. Membutuhkan ekstraksi data, perbandingan nilai, dan melakukan perhitungan dari representasi visual data. Grok-4 meraih skor 90.5% pada benchmark ini.
DocVQA
93.2%
DocVQA: Tanya Jawab Visual Dokumen. Benchmark Tanya Jawab Visual Dokumen yang menguji kemampuan untuk mengekstrak dan bernalar tentang informasi dari gambar dokumen termasuk formulir, laporan, dan teks yang dipindai. Grok-4 meraih skor 93.2% pada benchmark ini.
Terminal-Bench
54.2%
Terminal-Bench: Tugas Terminal/CLI. Menguji kemampuan untuk melakukan operasi baris perintah, menulis skrip shell, dan menavigasi lingkungan terminal. Mengukur keterampilan administrasi sistem praktis dan alur kerja pengembangan. Grok-4 meraih skor 54.2% pada benchmark ini.
ARC-AGI
15.9%
ARC-AGI: Abstraksi dan Penalaran. Abstraction and Reasoning Corpus untuk AGI - menguji kecerdasan fluida melalui teka-teki pengenalan pola baru. Setiap tugas membutuhkan penemuan aturan yang mendasari dari contoh, mengukur kemampuan penalaran umum daripada menghafal. Grok-4 meraih skor 15.9% pada benchmark ini.

Tentang Grok-4

Pelajari tentang kemampuan, fitur, dan cara menggunakan Grok-4.

Ringkasan Model

Grok-4 adalah frontier multimodal model dari xAI. Model ini dibangun untuk memprioritaskan reasoning dari prinsip dasar dan pengambilan informasi real-time. Model ini mendapatkan keunggulan kompetitif yang signifikan melalui integrasi bawaannya dengan platform media sosial X. Hal ini memungkinkannya untuk menganalisis percakapan dan berita global secara langsung saat peristiwa terjadi. Model ini memanfaatkan superkomputer Colossus untuk pelatihan, yang menghasilkan performa tingkat tinggi di berbagai domain matematika dan teknis.

Kemampuan Teknis

Arsitekturnya mendukung 2-million-token context window pada varian reasoning-nya. Kapasitas ini memungkinkan pemrosesan codebase masif dan dokumentasi teknis yang padat tanpa kehilangan data. Model ini memiliki sistem mode ganda di mana pengguna dapat memilih antara mode berkecepatan tinggi untuk interaksi cepat dan mode berpikir mendalam untuk tugas logika multi-langkah. Model ini mengelola tingkat halusinasi sekitar 4% dengan menerapkan mekanisme konsensus multi-agent dalam konfigurasi Heavy-nya.

Integrasi Ekosistem

Lebih dari sekadar pembuatan teks sederhana, Grok-4 dirancang untuk penggunaan tool bawaan dan function calling yang kompleks. Model ini mendukung pemrosesan gambar dan audio, menjadikannya pilihan serbaguna bagi developer yang membangun aplikasi multimodal. Strategi alignment-nya berfokus pada pencarian kebenaran objektif, bukan sekadar guardrail keamanan standar industri. Hal ini menghasilkan lebih sedikit penolakan untuk topik kontroversial atau tajam dibandingkan model frontier lainnya.

Grok-4

Kasus Penggunaan untuk Grok-4

Temukan berbagai cara menggunakan Grok-4 untuk hasil yang luar biasa.

Analisis Sentimen Real-Time

Menganalisis kiriman langsung di X untuk menentukan reaksi publik terhadap berita terkini atau peluncuran produk.

Audit Repositori Skala Besar

Mengevaluasi seluruh repositori perangkat lunak menggunakan context window 2M token untuk menemukan cacat arsitektural.

Pemecahan Matematika Tingkat Olimpiade

Memberikan solusi langkah demi langkah untuk pembuktian matematika kompleks dan masalah tingkat AIME.

Konten Kreatif Tanpa Filter

Menghasilkan naskah berbasis karakter dan humor tanpa filter restriktif dari penyedia AI lainnya.

Sintesis Penelitian Ilmiah

Meringkas beberapa makalah akademis tingkat PhD secara bersamaan sambil menjaga akurasi teknis.

Debugging Teknis

Mengidentifikasi bug yang sulit ditemukan pada kode produksi dan menyarankan perbaikan berdasarkan praktik terbaik saat ini.

Kelebihan

Keterbatasan

Reasoning Matematika Elit: Mencapai nilai sempurna 100% pada benchmark AIME 2025, mengungguli sebagian besar frontier model dalam hal logika.
Latency Mode Heavy: Mode reasoning multi-agent dapat memakan waktu beberapa menit untuk menghasilkan satu respons dengan akurasi tinggi.
Context Terdepan di Industri: Context window 2M token memungkinkan kedalaman yang belum pernah ada sebelumnya dalam analisis dokumen dan proyek coding skala besar.
Dukungan Video Belum Lengkap: Meskipun kemampuan teks dan gambar sudah sangat unggul, pemrosesan video frame-demi-frame bawaan belum tersedia.
Intelijen Sosial Langsung: Akses langsung ke platform X menyediakan informasi real-time yang tidak dapat direplikasi oleh data pelatihan statis.
Akses Regional Terbatas: Fitur memori persisten saat ini dinonaktifkan di Uni Eropa karena persyaratan regulasi.
Tingkat Penolakan Rendah: Arsitektur keamanan yang lebih permisif memungkinkan dialog yang jujur dan objektif mengenai subjek kontroversial.
Batas Presisi Visi: Pencipta mengakui model ini tetap memiliki keterbatasan saat menafsirkan detail visual dengan fidelitas yang sangat tinggi.

Mulai Cepat API

xai/grok-4

Lihat Dokumentasi
xai SDK
import OpenAI from "openai";

const grok = new OpenAI({
  apiKey: process.env.XAI_API_KEY,
  baseURL: "https://api.x.ai/v1",
});

async function main() {
  const completion = await grok.chat.completions.create({
    model: "grok-4",
    messages: [{ role: "user", content: "Search X for the latest news on SpaceX." }],
    stream: true,
  });

  for await (const chunk of completion) {
    process.stdout.write(chunk.choices[0]?.delta?.content || "");
  }
}

main();

Instal SDK dan mulai melakukan panggilan API dalam hitungan menit.

Apa Kata Orang Tentang Grok-4

Lihat apa yang dipikirkan komunitas tentang Grok-4

Grok 4 fast punya 2M context window!!! Saya tidak tahu lagi mengapa kita berjuang dan harus puas dengan ChatGPT.
myfuturewifee
reddit
15,88% pada subset privat ARC-AGI v2 itu gila. Grok 4 adalah model pertama yang menembus batas 10% dalam beberapa bulan terakhir.
Greg (ARC-AGI Lead)
twitter
Pendekatan kelompok belajar multi-agent di Grok 4 Heavy adalah cara yang tepat untuk menggunakan test-time compute. Model ini benar-benar menemukan trik dari masalah tersebut.
Tony_xAI
twitter
Grok 4: 79 di LiveCodeBench... benchmark tidak memberi tahu Anda bagaimana rasanya coding dengan sebuah model, tetapi yang satu ini terasa dapat dipercaya.
thankzr3ddit
reddit
Model ini sudah setingkat pascasarjana atau PhD dalam segala hal. Sangat cerdas dan lebih cepat dari kemampuan belajar manusia mana pun.
Elon Musk
youtube
Pencarian real-time bukan sekadar mengambil headline; model ini menganalisis konten di berbagai sumber.
BitBiasedAI
youtube

Video Tentang Grok-4

Tonton tutorial, ulasan, dan diskusi tentang Grok-4

Grok 4 heavy ditujukan untuk tugas yang lebih intensif dalam logika dan reasoning, sementara Grok 4 reguler menangani tugas lainnya.

Model ini melacak tangan dan jari saya dengan akurat untuk menggambar di layar.

Grok 4 menemukan kata sandi yang saya sembunyikan jauh di dalam context window hanya setelah 15 detik berpikir.

Akurasi pada tes 'needle in a haystack' 2 juta token adalah 100%.

Model ini akhirnya menjadi alternatif nyata bagi mereka yang merasa context window Gemini tidak bisa diandalkan.

Grok 4 sudah setingkat pascasarjana atau PhD dalam segala hal, lebih baik dari kebanyakan PhD.

Grok 4 Heavy meluncurkan beberapa agent secara paralel... ini seperti kelompok belajar.

Model ini ada di API dan memiliki panjang context 256k, dengan rencana untuk jauh lebih besar.

Pelatihan di cluster Colossus telah memberinya kemampuan reasoning yang belum pernah kita lihat sebelumnya.

Model ini dirancang untuk menjadi AI paling pencari kebenaran yang ada saat ini.

Grok 4 Heavy menjalankan hingga 32 model AI paralel untuk satu prompt Anda.

Pencarian real-time bukan sekadar mengambil headline; model ini menganalisis konten di berbagai sumber.

Think Mode menghabiskan waktu komputasi tambahan untuk merencanakan dan menangkap potensi kesalahan sebelum merespons.

Anda benar-benar dapat melihat para agent berdebat satu sama lain di log jika Anda memiliki akses API.

Performa multimodal dengan audio terasa jauh lebih cepat daripada generasi sebelumnya.

Lebih dari sekadar prompt

Tingkatkan alur kerja Anda dengan Otomatisasi AI

Automatio menggabungkan kekuatan agen AI, otomatisasi web, dan integrasi cerdas untuk membantu Anda mencapai lebih banyak dalam waktu lebih singkat.

Agen AI
Otomasi Web
Alur Kerja Cerdas

Tips Pro untuk Grok-4

Tips ahli untuk memaksimalkan Grok-4.

Gunakan Kata Kunci Pencarian

Sertakan hashtag atau akun spesifik dalam prompt Anda untuk mengarahkan pencarian X real-time oleh model.

Beralih ke Mode Heavy

Aktifkan Grok-4 Heavy untuk tugas-tugas di mana akurasi lebih krusial daripada kecepatan respons.

Berikan Persona Mendetail

Manfaatkan keselarasan keamanan yang permisif dengan menentukan persona yang spesifik dan tajam untuk penulisan kreatif.

Analisis Tautan Eksternal

Tempel URL langsung ke dalam chat agar model dapat mengambil dan meringkas konten web terkini.

Testimoni

Apa Kata Pengguna Kami

Bergabunglah dengan ribuan pengguna puas yang telah mengubah alur kerja mereka

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Terkait AI Models

moonshot

Kimi K2.5

Moonshot

Discover Moonshot AI's Kimi K2.5, a 1T-parameter open-source agentic model featuring native multimodal capabilities, a 262K context window, and SOTA reasoning.

256K context
$0.60/$3.00/1M
anthropic

Claude Opus 4.5

Anthropic

Claude Opus 4.5 is Anthropic's most powerful frontier model, delivering record-breaking 80.9% SWE-bench performance and advanced autonomous agency for coding.

200K context
$5.00/$25.00/1M
google

Gemini 3.1 Flash-Lite

Google

Gemini 3.1 Flash-Lite is Google's fastest, most cost-efficient model. Features 1M context, native multimodality, and 363 tokens/sec speed for scale.

1M context
$0.25/$1.50/1M
openai

GPT-5.1

OpenAI

GPT-5.1 is OpenAI’s advanced reasoning flagship featuring adaptive thinking, native multimodality, and state-of-the-art performance in math and technical...

400K context
$1.25/$10.00/1M
alibaba

Qwen3.5-397B-A17B

alibaba

Qwen3.5-397B-A17B is Alibaba's flagship open-weight MoE model. It features native multimodal reasoning, a 1M context window, and a 19x decoding throughput...

1M context
$0.40/$2.40/1M
zhipu

GLM-5

Zhipu (GLM)

GLM-5 is Zhipu AI's 744B parameter open-weight powerhouse, excelling in long-horizon agentic tasks, coding, and factual accuracy with a 200k context window.

200K context
$1.00/$3.20/1M
openai

GPT-5.2

OpenAI

GPT-5.2 is OpenAI's flagship model for professional tasks, featuring a 400K context window, elite coding, and deep multi-step reasoning capabilities.

400K context
$1.75/$14.00/1M
anthropic

Claude Sonnet 4.6

Anthropic

Claude Sonnet 4.6 offers frontier performance for coding and computer use with a massive 1M token context window for only $3/1M tokens.

1M context
$3.00/$15.00/1M

Pertanyaan yang Sering Diajukan tentang Grok-4

Temukan jawaban untuk pertanyaan umum tentang Grok-4