Grok 4.7: кодинг лучше при той же доступной цене, но расход токенов угрожает окупаемости

SpaceXAI также предлагает быструю версию модели с повышенной скоростью обработки токенов за двойную цену — $4/$12 за 1 млн входных и выходных токенов. Компания не раскрыла показатель токенов в секунду, а независимые измерения пропускной способности на момент публикации отсутствовали.

Снимок таблицы сравнения стоимости API передовых моделей VentureBeat — конец 2026 года.

Для Grok 4.7 Fast в Cursor указана поддержка входных запросов объёмом более 256 000 токенов и контекста до 500 000 токенов.

Платформа для программирования Cursor, недавно приобретённая SpaceXAI, тоже предлагает быструю версию Grok 4.7 по двойной стандартной цене — $4/$12 за 1 млн входных и выходных токенов. Для тарифов Pro и выше она включена по умолчанию.

Cursor не публикует показатель токенов в секунду и не обещает ровно двукратного роста пропускной способности. Для входных данных объёмом более 256 000 токенов стандартный Grok 4.7 стоит $4/$12, а быстрая версия — $6/$18. Максимальное окно контекста составляет 500 000 токенов.

По данным SpaceXAI, модель уже доступна в Cursor, Grok Build и API Grok, а также через сторонние оболочки для программирования, маршрутизаторы моделей и облачные платформы. GitHub отдельно постепенно подключает Grok 4.7 к тарифам Copilot Pro, Pro+, Max, Business и Enterprise. Поддерживаются VS Code, Visual Studio, Copilot CLI, облачный агент GitHub, JetBrains, Xcode и Eclipse.

Именно сочетание заявленного роста возможностей с прежней базовой ценой лежит в основе предложения SpaceXAI. В материалах к запуску компания называет Grok 4.7 своей наиболее способной моделью для программирования и работы со знаниями и утверждает, что она может дольше работать над сложными задачами и тщательнее проверять результат.

Модель для многочасовой работы

SpaceXAI заявляет, что Grok 4.7 построена на новой, более крупной базовой модели, чем Grok 4.6. Она прошла более длительный этап обучения с подкреплением на усложнённом наборе задач, где больше веса получили проблемы, требующие нескольких часов работы. Компания также улучшила управление длинным контекстом и обучила модель лучше взаимодействовать с недавно выпущенной ориентированной на ИИ-агентов оболочкой Grok Bot.

Такой подход важен для компаний, которые оценивают модели как агентов, а не как интерфейсы для чата. Модель, способная продолжать долгую сессию программирования, собирать документ, работать в терминале или выполнять многошаговой бизнес-процесс, предъявляет к эксплуатации другие требования, чем система, рассчитанная в основном на отдельные промты.

На нескольких распространённых сторонних бенчмарках Grok 4.7 заметно опередила предшественницу, но всё ещё уступает последним моделям американских компаний OpenAI, Anthropic и даже Google.

Разработчик и автор Дэн Макэтер назвал результат модели на Terminal-Bench — бенчмарке для работы с терминалом, где прирост относительно предшественницы оказался самым большим, — «ужасным».

По измерениям сторонней компании Artificial Analysis, Grok 4.7 с уровнем усилий рассуждения «xHigh» набирает на этом бенчмарке около 26%. Для сравнения, OpenAI GPT-6 Astra xHigh получает 59,6%, а Anthropic Claude Opus 5 с максимальным уровнем усилий — около 49%.

Результаты на других тестах выглядят так:

Некоторые наблюдатели оценили выпуск положительно. Популярный пользователь X, пишущий о новостях ИИ, @haider1 назвал результаты на CursorBench «на самом деле абсурдными». В таблице, которую он показал, Grok 4.7 xHigh набрала 46,3% при стоимости около $6,01 за задачу. Для сравнения, Fable 5.1 Medium получила 46,8% при $7,05, а GPT-5.6 Sol Max — 41,7% при $8,23. Он также отметил улучшение по сравнению с Grok 4.6 при примерно сопоставимой стоимости.

Дешёвые токены не гарантируют дешёвую задачу

Тесты Artificial Analysis добавляют важную оговорку к сравнению цен. Grok 4.7 xHigh использовала около 81 000 выходных токенов на одну задачу Intelligence Index. Grok 4.6 High потребовала 36 000 токенов, а GPT-6 Astra Max — 27 000.

По данным Artificial Analysis, это на 125% больше выходных токенов, чем у Grok 4.6, и на 196% больше, чем у GPT-6 Astra.

Artificial Analysis также рассчитала стоимость одной задачи в долларах:

Методика учитывает стоимость входных, кэшированных, рассуждающих и ответных токенов, а не просто сопоставляет цены в прайс-листах API.

Получается, что модель с более низкой ценой токена может обходиться дороже на завершённой задаче, если ей требуется существенно больше токенов для рассуждения. При корпоративных объёмах эта разница быстро становится заметной.

При тарифах $2/$6 нагрузка в 10 млрд входных и 2 млрд выходных токенов в месяц даст около $32 000 ежемесячных расходов на модель, или $384 000 в год. Для 50 млрд входных и 10 млрд выходных токенов это уже около $160 000 в месяц, или $1,92 млн в год — без учёта платы за конкретную платформу.

Это расчёты для иллюстрации, а не оценка типичного внедрения Grok. Они показывают, почему эффективность использования токенов на производственном масштабе напрямую влияет на инфраструктурный бюджет.

Практический вывод для ведущего инженера — проверить Grok 4.7 на типичных внутренних задачах и отслеживать не только тариф API, но и стоимость успешного завершения, расход токенов, задержку, повторные попытки и необходимое вмешательство специалистов.

Новый набор защитных механизмов

SpaceXAI также заявляет, что Grok 4.7 получила полностью новый набор защитных механизмов. В бенчмарке биобезопасности LatchBio модель показала результат 62,4%. В тесте HackerBench v0.3 для опасных задач двойного назначения она, по данным компании, пропустила только 3,3% рискованных промтов. Это результаты самой SpaceXAI, поэтому до появления более широких независимых проверок их следует рассматривать именно как заявленные компанией показатели.

Для инженерных команд, оценивающих Grok 4.7 в этом квартале, практический вопрос состоит не в том, выглядит ли тариф $2/$6 дешевле предложений конкурентов. Важно проверить, выполняет ли модель реальные задачи по программированию и работе со знаниями с меньшими расходами, числом повторных попыток и вмешательством инженеров. Рост результатов на бенчмарках даёт повод провести такую проверку, а понять, превращается ли низкая цена токенов в меньший счёт за готовую работу, помогут только производственные данные.