如何使用 Grok 4.7 API？

调用 Grok 4.7 时，向 https://api.x.ai/v1/responses 发送 POST 请求，并携带 "model": "grok-4.7" 以及作为 Bearer token 的 xAI 密钥。当提示词少于 200,000 token 时，价格为每百万输入 token $2、每百万缓存输入 token $0.50、每百万输出 token $6，上下文窗口为 500,000 token。SpaceXAI（原名为 xAI 的公司）于 2026 年 9 月 21 日发布该模型，价格与 Grok 4.6 相同，因此对大多数已有集成而言，升级只需改一行。

下文涵盖：第一个请求、推理强度及其对账单的影响、加密推理、缓存、流式输出、工具、速率限制，以及在 Apifox 中可复用的测试配置。关于该模型的背景，可阅读 Grok 4.7 是什么以及有哪些变化；官方参考是 xAI 文档中的 Grok 4.7 页面。

Grok 4.7 API 概览

第 1 步：获取密钥并充值

在 console.x.ai 创建账号，充值额度（该 API 为预付费），然后生成密钥。我们的 Grok API 密钥指南会带你走完控制台的各个界面。不要把密钥写进代码：

export XAI_API_KEY="your-key-here"

第 2 步：发出第一个请求

Responses API 是主要接口，也是 xAI 文档中所有示例使用的接口：

curl https://api.x.ai/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -d '{
    "model": "grok-4.7",
    "input": "Review this function for bugs: function median(a){a.sort();return a[a.length/2]}"
  }'

该 API 可与 OpenAI SDK 配合使用。把客户端指向 xAI 的 base URL，然后调用 responses.create：

import OpenAI from "openai";

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

const response = await client.responses.create({
  model: "grok-4.7",
  reasoning: { effort: "medium" },
  input: [
    { role: "system", content: "You are a senior backend reviewer." },
    { role: "user", content: "Find the bug in: function median(a){a.sort();return a[a.length/2]}" },
  ],
});

console.log(response.output_text);

如果你更习惯其他客户端，同一模型是 grok-4.7，在 xAI 的 Python SDK（xai_sdk）中可用，在 Vercel AI SDK 中是 xai.responses('grok-4.7')，在 LiteLLM 中是 xai/grok-4.7。有两点兼容性提醒：xAI 现在把 Chat Completions 标为遗留接口，其 Anthropic SDK 兼容层已完全弃用。新代码应使用 /v1/responses。

第 3 步：选择推理强度

Grok 4.7 始终会进行推理，无法关闭，但你可以通过 Responses API 上的 reasoning.effort（xAI SDK 中为 reasoning_effort）控制它思考的强度：low 适合对延迟敏感的工具调用，medium 适合分析和长上下文，high（默认）适合困难的多步骤问题，xhigh 适合质量优先于响应速度的场景。

这个设置是影响账单的最大变量。SpaceXAI 的发布页按推理强度公布了 CursorBench 4.0 结果，差距相当明显：

从 low 调到 xhigh 能换来 13.2 个百分点的提升，但每个任务的成本约为原来的 3.8 倍，因为模型写出的输出 token 约为 4.5 倍。建议从 medium 起步，只有当自己的测试表明额外质量确实重要时，才把某条链路调高一档。

还有一个限制：推理模型会拒绝 presencePenalty、frequencyPenalty 和 stop。如果旧的封装仍在发送其中任何一项，请求会返回错误。

第 4 步：处理多轮调用中的加密推理

这是最可能让你意外的一处行为变化。在 Responses API 上，grok-4.7 总会返回 reasoning.encrypted_content，即使你的 include 列表没有要求它。你无法读取这些推理内容，但可以把它带到后续轮次。

对于多轮对话，请把上一轮响应中的 reasoning 条目原样放进下一次请求的 input 中。这样可以让模型的推理在多轮之间保持完整。不要编辑、裁剪或重排这些条目。如果你的代码在构造下一轮之前把 output 数组过滤到只剩 message 条目，那么它现在会丢掉 Grok 4.7 期望收回的上下文。Chat Completions 的行为没有变化。

第 5 步：让缓存为你所用

缓存输入每百万 token 收费 $0.50，而全新输入为 $2，等于便宜 75%。问题在于：要命中缓存，请求必须落到已经持有该前缀的服务器上。SpaceXAI“强烈建议”在调用 Responses API 时设置 prompt_cache_key（在 Chat Completions 上则是 x-grok-conv-id header）。它会把同一对话的请求路由到同一台服务器；xAI 提醒说，不设置的话，你常常会在缓存冷的服务器上按全额输入价付费。

按可复用的顺序组织提示词：system prompt、工具 schema 和参考文档放在前面，新的用户消息放在最后。靠近开头处的任何变化都会破坏前缀，折扣也随之消失。

第 6 步：流式返回响应

加上 "stream": true，就能以 server-sent events 的形式接收数据，而不是在最后收到一整个 JSON body。由于推理始终开启，模型在第一个答案 token 出现前可能思考一段时间，非流式调用看起来像卡住了，或者会触发较短的 HTTP 超时。Grok 4.7 会流式输出推理摘要，因此你可以在它思考时展示进度。

函数调用是个例外：根据 xAI 文档，函数调用会作为一个完整的 chunk 一次性到达。应当在这个 chunk 到达时直接解析，而不是从各段增量中拼装参数。我们关于测试通过 SSE 流式输出的 LLM API 的指南介绍了如何在 Apifox 中查看原始事件序列。

第 7 步：添加工具

函数调用使用 Responses API 的工具格式。你描述函数，Grok 返回一个 function_call 条目，你执行它，然后回传一个 function_call_output，其中带有匹配的 call_id：

curl https://api.x.ai/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -d '{
    "model": "grok-4.7",
    "input": [{"role": "user", "content": "Has order 10482 shipped yet?"}],
    "tools": [{
      "type": "function",
      "name": "get_order_status",
      "description": "Look up the fulfillment status of an order",
      "parameters": {
        "type": "object",
        "properties": { "order_id": {"type": "string"} },
        "required": ["order_id"]
      }
    }]
  }'

也支持结构化输出，因此你可以用 JSON schema 约束最终答案。

服务端工具在 xAI 一侧运行：{"type": "web_search"}、X 搜索和代码执行。它们在 token 费用之外单独计费：网页搜索每 1,000 次调用 $5，X 搜索每 1,000 条帖子 $5，代码执行每 1,000 次调用 $5，因此每轮都要搜索的 agent 每轮都要付这笔费用。网页搜索支持 allowed_domains 和 excluded_domains（各最多五个）。没有搜索工具时，Grok 4.7 没有实时数据，其知识截止于 2026 年 5 月。

注意 200k 的价格断崖

价格表有两行是有原因的。一旦提示词达到 200,000 token，整个请求都按更高的费率计费：输入 $4、缓存 $1、输出 $12。并不是只有超过这条线的 token 才更贵。

一个 190,000 token 的提示词配上 4,000 token 的回答，费用约为 $0.40。一个 210,000 token 的提示词配上同样的回答，费用约为 $0.89。输入多了大约 10%，账单却翻了一倍还多。

发送前先统计 token 数量，在对话接近这条线时对历史做摘要，并在长时间运行的 agent 循环中使用 xAI 的上下文压缩。500,000 token 窗口中的廉价部分到 200,000 就结束了。

速率限制与 429

限额随累计消费提升，与 Grok 4.6 相同：

缓存 token 也计入每分钟 token 数。超限就会收到 HTTP 429。请使用带抖动的指数退避重试，而不是持续猛打接口；我们关于超出速率限制错误的指南介绍了相关模式。

从 Grok 4.6 迁移

大多数集成只需改一处：grok-4.6 换成 grok-4.7。价格、上下文窗口、速率限制和推理强度都完全相同。在切换生产流量之前，请重新测试三件事：

• 多轮处理。确认你的代码会把加密推理条目原样传回。
• 每任务 token 数。新的、更大的基础模型会改变一个任务消耗的 token 数量，即使每 token 单价不变。请用真实提示词实测。
• 强度映射。Cursor 的文档称各推理强度之间的区分比 Grok 4.6 更明显，因此在 medium 上调好的链路表现可能不同。

对于所有没有变化的部分，我们的 Grok 4.6 API 指南依然适用。两点补充：https://us.api.x.ai/v1 可将推理保留在美国境内，费用上浮 10%；Grok 4.7 Fast（2 倍价格）仅在 Cursor 和 Grok Build 中提供，不在公共 API 上。

在 Apifox 中测试 Grok 4.7 API

在对比推理强度或验证升级效果时，一个保存下来、可重复执行的请求，比 shell 历史里的 curl 命令好用得多。

1. 创建环境：在 Apifox 中把 base_url 设为 https://api.x.ai/v1，并把 XAI_API_KEY 存为保密变量。如有需要，再为美国端点添加一个环境。
2. 保存请求：POST {{base_url}}/responses，带上 Authorization: Bearer {{XAI_API_KEY}} header，body 中放你的真实提示词。
3. 添加断言：状态码为 200、model 等于 grok-4.7、存在 usage，并且 output 中包含 message 条目。这些断言能在你的应用之前发现密钥错误、模型 ID 错误或响应结构变化。
4. 按推理强度各克隆一份（low、medium、high、xhigh），把四个作为同一个测试场景运行。这样你得到的是自己提示词上的响应时间和 token 用量对比，而不是基准测试的数字。
5. 对该接口做 mock：响应结构稳定之后即可进行，这样前端工作不必消耗额度也能继续。

下一个模型发布时，只改一个变量重跑即可。

常见问题

Grok 4.7 的模型 ID 是什么？grok-4.7。在合作平台上分别是 spacexai/grok-4.7（Vercel AI Gateway）和 x-ai/grok-4.7（OpenRouter）。

Grok 4.7 API 的价格是多少？提示词低于 200,000 token 时，每百万输入 token $2、缓存 $0.50、输出 $6；达到 200,000 及以上则翻倍。4.7 没有批处理折扣。

可以关闭推理吗？不可以。使用 low 强度可以获得最快、最便宜的响应。

有免费的 Grok 4.7 API 吗？xAI 的 API 采用预付费额度。我们关于如何免费使用 Grok 4.7 的指南介绍了确实存在的免费途径。

Grok 4.7 与 GPT-6 Sol、Claude Opus 5.5 相比如何？在三者中它的输出价格最低，在两家厂商都公布的编码基准测试上落后于 Opus 5.5。三方对比中有具体数字。

从一个保存好的请求开始

先发送上面的 curl 请求，然后在 Apifox 中把它保存下来，并加上断言和按推理强度区分的测试场景。这样在切换流量之前，你就能得到自己提示词上的每任务基准成本。要选择默认推理强度，接下来可以阅读 Grok 4.7 基准测试详解。

HiFox：将 Agent 变成真正的队友

另外，我们也在思考，AI 如何从个人提效走进团队协作。

HiFox 是一个让人和 AI Agent 在同一个工作现场协作的平台：你可以像给同事分派任务一样指派 Agent，在任务看板中跟踪进度、查看结果，让 Agent 成为团队里的队友。

👉 立即体验 HiFox：https://hifox.com

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，
欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。