GR
Grok 4.1 Fast
发布时间: 2025-11-19更新于: 2026-09-04退役: 2026-05-15浏览量: 1,686
模型参数
暂无数据
上下文长度
2M
多语言支持
暂无数据
推理能力
3/5
Grok 4.1 Fast 是由 xAI 发布的 AI 模型，发布时间为 2025-11-19，定位为 推理大模型，上下文长度为 2M，采用 不开源 许可，在 Creative Writing 上取得 1324.80 分。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
Grok 4.1 Fast
模型基本信息
推理过程
支持
思考模式
常规模式思考水平 · 扩展 (Extended)思考模式
上下文长度
2M tokens
最大输出长度
暂无数据
模型类型
推理大模型
输入/输出模态
文本、图像 → 文本
发布时间
2025-11-19
模型文件大小
暂无数据
MoE架构
否
总参数 / 激活参数
暂无数据 / 不适用
知识截止
暂无数据
Grok 4.1 Fast
开源和体验地址
Grok 4.1 Fast
官方介绍与博客
DataLearnerAI博客
暂无
Grok 4.1 Fast
API接口信息
接口速度
3/5
💡默认单位：$/100万 tokens。若计费单位不同，则以供应商公开的原始标注为准。
标准模式
| 类型 | 适用条件 | 输入 | 输出 |
|---|---|---|---|
| 文本 | - | $0.200/ 1M tokens | $0.500/ 1M tokens |
缓存定价Prompt缓存
| 类型 | 有效期 | 写入 | 读取 |
|---|---|---|---|
| 文本 | - | — | $0.050/ 1M tokens |
| 文本 | - | — | $0.050/ 1M tokens 缓存状态 = hit |
表中「—」表示该模态在此方向不计费，或供应商未公开对应价格。
Grok 4.1 Fast
评测结果
Grok 4.1 Fast 当前已收录的代表性评测结果包括 MMLU Pro（27 / 134，得分 85）、LiveCodeBench（28 / 128，得分 82）、τ²-Bench（10 / 44，得分 82.71）。 本页还汇总了参数规模、上下文长度与 API 价格，便于结合评测结果与部署约束一起判断模型适配度。
综合评估
共 4 项评测评测名称 / 模式
得分
排名/总数
Grok 4.1 Fast
发布机构
xAI
查看发布机构详情 Grok 4.1 Fast
模型解读
模型概览
Grok 4.1 Fast 是 xAI 发布的面向高性能工具调用与 Agent 工作流的前沿模型，提供最长 2,000,000 tokens 的上下文窗口，并与全新的 Agent Tools API 配合用于实时 X 数据检索、网页搜索与远程代码执行等场景。该版本同时提供 reasoning 与 non-reasoning 两种形态，用于在智能强度与响应时延之间进行权衡。
架构与技术要点
官方未披露参数规模与架构细节（如是否为 MoE）。该模型通过在模拟环境中的强化学习进行长期、多回合的工具使用训练，强调长程规划与多轮调用一致性，以确保在 2M tokens 的长上下文下仍保持稳定表现。
- 上下文窗口：2,000,000 tokens（新闻页与文档均明确）。
- 训练与优化：在包含多领域工具的模拟环境中进行强化学习，侧重多轮与长程任务。
核心能力与模态
- 工具与代理能力：原生函数调用/工具调用；可接入 Agent Tools API 实现实时 X 数据搜索、Web 浏览、代码执行、文件检索与 MCP 连接等。
- 推理模式：提供 reasoning 与 non-reasoning 两种模式；前者用于更高的智能与任务完成质量，后者用于更低时延的即时响应。
- 图像理解：xAI 文档提供图像理解指南，Grok 4.1 Fast 与同系列模型共用接口以支持图像输入；未提供与文本不同的单独计费项。
性能与评测
- τ²-bench Telecom（工具使用）：在电信客服类真实世界工具使用场景中表现突出（官方页展示评分与成本对比，并注明由第三方 Artificial Analysis 验证）。
- Berkeley Function Calling v4：官方页列出总体准确率示例与成本对比，用于体现该模型在函数调用上的稳定性与成本效率。
- 长上下文多轮一致性：官方强调在多轮与长上下文场景下的性能稳定，不随上下文扩大而显著退化。
使用方式与定价
- API 访问：xAI API 直接提供
grok-4-1-fast-reasoning与grok-4-1-fast-non-reasoning两个变体；并在部分平台（如 OpenRouter）提供试用入口。 - 计费（按 tokens）：输入 $0.20 / 1M tokens、缓存命中输入 $0.05 / 1M tokens、输出 $0.50 / 1M tokens；Live Search 单独计价为 $25 / 1K sources；部分工具调用按成功调用次数计价（起价 $5 / 1000 次）。若超 128K 上下文存在“高上下文定价”，但未公布具体数值。
限制与未披露信息
- 未公开参数量与（若为 MoE 时的）激活参数量。
- 未提供图像/音频/视频等模态的独立定价项，默认按 token 计费。
DataLearner 官方微信
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
