Grok 4.7, 4.6 et 4.5 : le haut de gamme

Leçon réécrite le 3 novembre 2026 d’après la page Models, la fiche de grok-4.7, le guide Reasoning et les bonnes pratiques de xAI : Grok 4.7 (septembre 2026) est le modèle que xAI recommande pour tout usage, devant Grok 4.6 (août) et Grok 4.5 (juillet), présenté jusqu’ici comme le modèle phare ; max_output_tokens ne plafonne que la réponse visible, sans le raisonnement, et la réduction du cache est de 75 % sur grok-4.7, non de 90 %. Sources : Models · Reasoning · Best practices.

Le sommet de la gamme Grok

Trois modèles forment le haut de gamme de xAI, tous trois avec 500 000 tokens de contexte, du texte et des images en entrée et du texte en sortie. Grok 4.5, annoncé le 16 juillet 2026, a ouvert la série ; Grok 4.6 l’a suivi le 12 août, puis Grok 4.7 le 21 septembre. xAI présente Grok 4.7 comme son modèle de pointe pour le code, les tâches agentiques et le travail de connaissance, et le recommande pour tout ce qui n’est ni de l’image, ni de la vidéo, ni de la voix : c’est le point de départ de tout nouveau projet. Les deux autres restent au catalogue, aux mêmes tarifs de base.

Que vous construisiez un agent complexe, analysiez des documents volumineux ou résolviez des problèmes mathématiques, c’est vers grok-4.7 qu’il faut se tourner quand la qualité de la réponse prime sur le coût.

Le raisonnement réglable

Les trois modèles raisonnent toujours — le raisonnement ne se désactive pas —, mais vous en réglez l’effort : le paramètre reasoning.effort de la Responses API (reasoning_effort en Chat Completions) va de low à high, valeur par défaut, et monte jusqu’à xhigh sur Grok 4.6 et 4.7. Sur Grok 4.5, d’après le guide Reasoning, une demande en xhigh est traitée comme high.

Le bénéfice est autant architectural qu’économique : une seule intégration couvre les tâches simples et les tâches difficiles, et l’arbitrage coût/qualité se fait requête par requête plutôt que par un routage entre deux modèles. Sur une tâche de classification, l’effort low répond vite et consomme peu ; sur une démonstration mathématique, high ou xhigh mobilisent toute la profondeur du modèle. xAI conseille de fixer l’effort explicitement à chaque requête et de le consigner avec chaque résultat.

La génération précédente conserve, elle, ses deux variantes séparées — grok-4.20-0309-reasoning et grok-4.20-0309-non-reasoning —, toujours disponibles au catalogue.

Le raisonnement chiffré en pratique

Le raisonnement de Grok est dit « chiffré » : xAI garde les réflexions internes confidentielles, mais vous pouvez en récupérer une version chiffrée sur la Responses API, à réinjecter dans les requêtes suivantes pour que le modèle reprenne le fil de son raisonnement. Avec Grok 4.7, ce contenu chiffré est renvoyé à chaque réponse ; sur les autres modèles, demandez-le par le paramètre include :

response = client.responses.create(
    model="grok-4.7",
    input="Démontrez que la racine carrée de 2 est irrationnelle",
    reasoning={"effort": "high"},
    include=["reasoning.encrypted_content"],
)

Les tokens de raisonnement

Les tokens consommés par le raisonnement apparaissent à part dans l’usage de la réponse :

{
  "usage": {
    "input_tokens": 32,
    "output_tokens": 9,
    "output_tokens_details": {
      "reasoning_tokens": 110
    },
    "total_tokens": 151
  }
}

Dans cet exemple tiré de la référence de l’API, le total additionne l’entrée, la réponse visible et le raisonnement. Les tokens de raisonnement font partie des tokens facturés : sur une requête complexe, ils peuvent représenter une part importante du coût total, et c’est précisément ce que le réglage d’effort permet de piloter.

max_output_tokens ne plafonne, lui, que la réponse visible : le raisonnement et les appels de fonction n’y comptent pas. Sans valeur, il vaut 128 000 tokens ; un plafond trop serré coupe la réponse, que la Responses API signale par un statut incomplete.

Recommandation : préférez le streaming, et laissez au moins 900 secondes à chaque requête, comme le conseillent les bonnes pratiques de xAI — un raisonnement poussé sur un problème difficile peut durer plusieurs minutes, et les exemples du guide Reasoning montent à 3 600 secondes.

La tarification à palier

Le haut de gamme suit la règle commune à la gamme : le tarif de base s’applique tant que le prompt reste sous 200 000 tokens, et double au-delà, pour tous les tokens de la requête. Pour les trois modèles, $2.00 en entrée et $6.00 en sortie par million deviennent $4.00 et $12.00 dès que le prompt franchit ce seuil.

Le cache atténue fortement la facture : les tokens d’entrée déjà vus sont facturés 0,50 $ le million au lieu de 2 $ sur Grok 4.7 et 4.6 (75 % de réduction), et 0,30 $ sur Grok 4.5 (85 %). Sur un assistant qui renvoie le même prompt système et le même contexte de référence à chaque tour, l’écart est considérable — d’où l’importance de garder un préfixe de prompt stable. Les requêtes passées par l’API Batch bénéficient en outre de 20 % de remise.

Grok 4.20 Multi-agent

xAI propose également grok-4.20-multi-agent-0309, une variante dédiée à l’orchestration de plusieurs agents, avec le contexte d’un million de tokens et les tarifs de la génération 4.20. Sur ce modèle, reasoning.effort ne règle pas la profondeur de réflexion mais le nombre d’agents mobilisés : 4 ou 16.

Entrée multimodale

Les trois modèles acceptent du texte et des images en entrée. Les images doivent être au format JPG ou PNG, avec une taille maximale de 20 MiB, et leur nombre n’est pas limité.

La sortie reste exclusivement textuelle — ces modèles ne génèrent pas d’images. Pour la génération visuelle, vous utiliserez les modèles Grok Imagine dédiés, présentés plus loin dans ce cours.

Tarifs vérifiés le 3 novembre 2026 — les prix évoluent régulièrement : avant tout calcul de budget, vérifiez la grille en vigueur sur la page officielle des modèles et tarifs xAI.

Points clés à retenir

• Grok 4.7 (septembre 2026) est le modèle que xAI recommande ; Grok 4.6 et 4.5 restent au catalogue, avec le même contexte de 500 000 tokens et les mêmes tarifs de base
• Le raisonnement ne se désactive pas : reasoning.effort va de low à high (défaut), et jusqu’à xhigh sur 4.6 et 4.7
• Le raisonnement chiffré se récupère et se réinjecte ; Grok 4.7 le renvoie à chaque réponse
• max_output_tokens ne compte que la réponse visible ; laissez au moins 900 secondes aux requêtes
• Tarification à palier : $2.00 / $6.00 sous 200 000 tokens de prompt, $4.00 / $12.00 au-delà ; cache à 75 % de réduction sur 4.7
• grok-4.20-multi-agent-0309 reste la variante dédiée à l’orchestration, où l’effort règle le nombre d’agents