xai

Grok-4

Grok-4 dari xAI adalah frontier model yang menghadirkan context window sebesar 2M token, integrasi platform X secara real-time, dan kemampuan reasoning yang...

xai logoxaiGrokJuly 9, 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

Grok-4 adalah frontier model AI terbaru dari xAI, yang dirancang untuk menjadi asisten pencari kebenaran dengan akses real-time ke platform X. Dibangun di atas kluster superkomputer Colossus dengan lebih dari 200.000 GPU, model ini merepresentasikan lompatan masif dalam reasoning, pemecahan masalah matematika, dan kemampuan coding. Model ini memiliki arsitektur dual-mode terpadu, memungkinkan pengguna beralih antara mode reasoning berpikir mendalam untuk teka-teki kompleks dan mode berkecepatan tinggi untuk respons instan.

Inovasi Teknis

Lompatan generasi dalam komputasi ini telah memungkinkan performa tingkat PhD di semua disiplin akademik secara bersamaan. Model ini secara unik dicirikan oleh strategi penyelarasan anti-woke, yang memprioritaskan informasi objektif di atas batasan keamanan standar. Context window 2 juta token yang masif serta integrasi ke dalam ekosistem Musk, termasuk X dan kendaraan Tesla, memberikan keunggulan kompetitif yang kuat. Meskipun unggul dalam STEM dan technical reasoning, model ini tetap sangat efisien untuk tugas-tugas kreatif sehari-hari dan analisis berita real-time.

Filosofi Performa

Grok-4 memprioritaskan pemikiran prinsip pertama (first-principles thinking) dan sintesis data objektif. Dengan memanfaatkan mesin reasoning Quasarflux, ia dapat menavigasi rantai logika multi-langkah yang biasanya menggagalkan LLM tradisional. Hal ini menjadikannya tool penting bagi pengembang dan peneliti yang membutuhkan output dengan fidelitas tinggi di lingkungan dengan risiko tinggi di mana akurasi faktual tidak bisa ditawar.

Grok-4

Kasus Penggunaan untuk Grok-4

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

Riset STEM Tingkat Pascasarjana

Memanfaatkan mode Thinking untuk menyelesaikan masalah fisika tingkat PhD dan memverifikasi pembuktian matematika yang kompleks.

Debugging Repositori Masif

Memanfaatkan context window 2M untuk memasukkan seluruh codebase dan mengidentifikasi race condition yang halus.

Intelijen Finansial Real-Time

Memantau X Firehose untuk menganalisis sentimen pasar dan berita terkini guna mendapatkan wawasan perdagangan.

Alur Kerja Agentic Otonom

Menggerakkan tugas-tugas agentic yang kompleks melalui function calling yang kuat untuk logistik dan otomatisasi.

Analisis Hukum Multimodal

Meninjau ribuan halaman dokumen penemuan fakta sambil menganalisis foto bukti yang dipindai.

Bimbingan Belajar Akademik Tingkat Lanjut

Menyediakan bimbingan belajar yang dipersonalisasi berbasis prinsip pertama dalam subjek STEM yang disesuaikan dengan kemajuan siswa.

Kelebihan

Keterbatasan

Matematika & Logika Tak Tertandingi: Meraih skor rekor dunia 100% pada AIME 2025, menjadikannya pilihan utama untuk tugas-tugas teknis.
Logika Dasar yang Tidak Konsisten: Meskipun unggul dalam ujian pascasarjana, model ini terkadang gagal pada tugas sepele seperti menghitung huruf dalam sebuah kata.
Context Terdepan di Pasar: Context window 2 juta token memungkinkan analisis sekitar 1.500 halaman teks dalam satu prompt.
Hambatan Masuk yang Tinggi: Akses ke model Grok-4 Heavy berkekuatan penuh dan kemampuan reasoning memerlukan langganan premium.
Pipeline Data Langsung: Akses eksklusif ke aliran data real-time platform X memastikan respons selalu mutakhir terhadap peristiwa global.
Celah Nuansa Kreatif: Tertinggal di belakang Claude 4.5 dalam penceritaan kreatif, seringkali mengadopsi nada yang lebih utilitarian atau tajam.
Kecerdasan Emosional: Performa tinggi pada EQ-Bench3 menunjukkan kemampuan unggul dalam memahami nuansa emosi manusia.
Konsistensi Pembuatan Gambar: Tool internal kesulitan mempertahankan konsistensi visual di berbagai panel.

Mulai Cepat API

xai/grok-4

Lihat Dokumentasi
xai SDK
import { xAI } from '@xai/sdk';

const client = new xAI({
  apiKey: process.env.XAI_API_KEY,
});

async function main() {
  const response = await client.chat.completions.create({
    model: 'grok-4',
    messages: [{ role: 'user', content: 'Analyze the latest news about xAI from the Firehose.' }],
    stream: true,
  });

  for await (const chunk of response) {
    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 secara resmi mengungguli kompetisi... membuktikan xAI telah membangun model yang berpikir seperti predator."
Mario Nawfal
x/twitter
"Grok 4 adalah jenius tingkat PhD pembantai benchmark yang sesekali tidak bisa menghitung. Dualitasnya luar biasa."
Beginning-Willow-801
reddit
"Loncatan ke 2 juta token bukan sekadar gimmick; ini secara mendasar mengubah debugging repositori."
AI Tech Reviews
youtube
"Grok 4 jelas merupakan model terbaik dalam hal pemahaman umum, jauh di depan GPT-5."
YMist_
reddit
"Penggunaan akan melonjak dengan Grok 4.20. Itu akan rilis dalam 3 atau 4 minggu."
Elon Musk
x/twitter
"Integrasi X real-time adalah satu-satunya hal yang menjaga riset saya tetap relevan dalam siklus berita ini."
DataScientist_Alpha
hackernews

Video Tentang Grok-4

Tonton tutorial, ulasan, dan diskusi tentang Grok-4

Jumlah kata dalam respons ini tepat 43... Sangat mengesankan.

Tidak hanya mampu menyelesaikan Menara Hanoi dalam chain-of-thought miliknya, tetapi ia benar-benar membuktikannya dan memvisualisasikannya dengan kode.

Saya suka jawaban ini. Langsung pada intinya, lugas. Tanpa pemanis sama sekali.

Kemampuan reasoning di sini jelas satu tingkat di atas apa yang kita lihat pada generasi sebelumnya.

Akhirnya sebuah model yang tidak terasa seperti menahan kebenaran hanya untuk bersikap sopan.

Toggle pemikiran eksperimental untuk Grok baru saja dihapus... menyebabkannya dicirikan sebagai sesuatu yang berpotensi kuno.

Grok OS adalah yang paling tidak mengesankan, menampilkan latar belakang putih dasar dan ikon yang rusak.

Dalam hal pengambilan pengetahuan mentah, Grok-4 secara konsisten mencapai sasaran di mana GPT-5 meleset.

Latency dalam mode reasoning lebih tinggi, tetapi kualitas outputnya sepadan dengan waktu tunggunya.

Jika Anda berada dalam ekosistem Musk, integrasi di sini adalah pengganda produktivitas yang masif.

Tidak ada yang menginginkan model yang super cepat jika tidak bisa menyelesaikan logikanya. Saya bisa katakan itu secara gratis, kawan.

Saya akan memberikan nilai minus satu dari 10... Benar-benar sampah. Bahkan tidak bisa membangun situs web Next.js yang sederhana.

Kecepatannya ada, tetapi jika logikanya rusak, apa gunanya token per detik?

Rasanya seperti mereka terburu-buru mengeluarkan varian coder hanya untuk mengejar siklus rilis.

Tetaplah gunakan reasoning model standar jika Anda benar-benar menginginkan sesuatu yang berfungsi.

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
Tonton video demo

Tips Pro untuk Grok-4

Tips ahli untuk memaksimalkan Grok-4.

Peralihan Mode

Gunakan mode Quasarflux untuk logika kompleks dan mode Tensor untuk kecepatan guna mengoptimalkan biaya dan performa.

Kueri Real-Time

Berikan prompt secara eksplisit untuk topik yang sedang tren di X guna memanfaatkan pipeline data langsung dan melewati batas waktu data pelatihan (training cutoffs).

Fokus STEM

Prioritaskan Grok untuk matematika tingkat pascasarjana di mana ia secara signifikan mengungguli kompetitor pada tugas-tugas zero-shot.

Verifikasi Logika Dasar

Periksa kembali penghitungan sederhana atau pengurutan daftar karena model ini bisa tidak konsisten pada tugas-tugas sepele.

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

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
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
zhipu

GLM-4.7

zhipu

GLM-4.7 by Zhipu AI is a flagship 358B MoE model featuring a 200K context window, elite 73.8% SWE-bench performance, and native Deep Thinking for agentic...

200K context
$0.60/$2.20/1M
anthropic

Claude 3.7 Sonnet

anthropic

Claude 3.7 Sonnet is Anthropic's first hybrid reasoning model, delivering state-of-the-art coding capabilities, a 200k context window, and visible thinking.

200K context
$3.00/$15.00/1M
google

Gemini 3 Flash

google

Gemini 3 Flash is Google's high-speed multimodal model featuring a 1M token context window, elite 90.4% GPQA reasoning, and autonomous browser automation tools.

1M context
$0.50/$3.00/1M
xai

Grok-3

xai

Grok-3 is xAI's flagship reasoning model, featuring deep logic deduction, a 128k context window, and real-time integration with X for live research and coding.

128K context
$3.00/$15.00/1M
google

Gemini 3 Pro

google

Google's Gemini 3 Pro is a multimodal powerhouse featuring a 1M token context window, native video processing, and industry-leading reasoning performance.

1M context
$2.00/$12.00/1M
anthropic

Claude Sonnet 4.5

anthropic

Anthropic's Claude Sonnet 4.5 delivers world-leading coding (77.2% SWE-bench) and a 200K context window, optimized for the next generation of autonomous agents.

200K context
$3.00/$15.00/1M

Pertanyaan yang Sering Diajukan tentang Grok-4

Temukan jawaban untuk pertanyaan umum tentang Grok-4