Grok 4.1 Fast
推理大模型Grok 4.1 Fast
模型参数（Parameters）
未披露
最高上下文长度（Context Length）
2M
是否支持中文
不支持
推理能力（Reasoning）
模型基本信息
是否支持推理过程
支持
最高上下文输入长度
2M tokens
最长输出结果
暂无数据
模型类型
推理大模型
发布时间
2025-11-19
模型预文件大小
暂无数据
推理模式
常规模式（Non-Thinking Mode）
思考模式（Thinking Mode）
开源和体验地址
代码开源状态
不开源
预训练权重开源
不开源
- 不开源
GitHub 源码
暂无GitHub开源地址
Hugging Face
暂无开源HuggingFace地址
在线体验
官方介绍与博客
API接口信息
接口速度（满分5分）
接口价格
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。
标准计费
Standard
| 模态 | 输入 | 输出 |
|---|---|---|
| 文本 | 0.20 美元 / 100万 tokens | 0.50 美元 / 100万 tokens |
缓存计费
Cache
| 模态 | 输入 Cache | 输出 Cache |
|---|---|---|
| 文本 | 0.05 美元 / 100万 tokens |
Grok 4.1 Fast模型在各大评测榜单的评分
综合评估
共 3 项评测评测名称 / 模式
得分
排名/总模型数
编程与软件工程
共 1 项评测评测名称 / 模式
得分
排名/总模型数
数学推理
共 1 项评测评测名称 / 模式
得分
排名/总模型数
Agent能力评测
共 2 项评测评测名称 / 模式
得分
排名/总模型数
指令跟随
共 1 项评测评测名称 / 模式
得分
排名/总模型数
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。
关注DataLearnerAI公众号
关注DataLearnerAI微信公众号，接受最新大模型资讯
