Grok 4.7: новая флагманская модель SpaceXAI для кодинга по цене Grok 4.6

SpaceXAI выпустила Grok 4.7 — модель, которую компания называет своей самой мощной для кодинга и интеллектуальной работы. Обещание релиза: модель дольше работает над трудными задачами, тщательнее проверяет саму себя и поставляется с лучшим на сегодня набором калиброванных защитных механизмов. При этом стоит она столько же и работает так же быстро, как предыдущая Grok 4.6: $2 за миллион входных токенов и $6 за миллион выходных. Разбираем, что изменилось под капотом, как модель выступила в бенчмарках и где её уже можно попробовать.

Новая база и более длинный RL

Grok 4.7 построена на новой, более крупной базовой модели, чем Grok 4.6. Поверх неё прошёл более длинный этап reinforcement learning на более трудной смеси задач — со смещением веса в сторону проблем, решение которых занимает многие часы. По словам разработчиков, это дало два ключевых навыка: модель стала лучше проверять собственную работу и увереннее обращаться с длинным контекстом.

Оба навыка напрямую относятся к агентским сценариям: чем длиннее сессия и чем больше шагов делает модель, тем дороже обходится каждая ошибка, которую она не заметила сама.

Нативная поддержка harness агента Grok Bot

Второе заметное изменение — Grok 4.7 изначально обучалась понимать harness агента Grok Bot, а не адаптироваться к нему постфактум. SpaceXAI отмечает, что за счёт этого модель сильнее в разговорных задачах и общей интеллектуальной работе: она создавалась не только как «кодер», но и как универсальный исполнитель в агентской среде.

Бенчмарки: код, терминал, электротехника, право

SpaceXAI оценивает модель на тестах, моделирующих длительную агентскую работу, а не короткие вопросы с одним ответом. Ключевые цифры в сравнении с Grok 4.6, GPT-5.6 Sol и Fable 5.1:

* результат в режиме high effort

Цены участников сравнения: Grok 4.7 xHigh и Grok 4.6 High — $2 за миллион входных и $6 за миллион выходных токенов; GPT-5.6 Sol — $4 и $20; Fable 5.1 — $10 и $50. То есть по выходным токенам Grok 4.7 вдвое дешевле GPT-5.6 Sol и впятеро дешевле Fable 5.1.

Что примечательно в результатах:

• Самый большой отрыв от предшественницы — на Terminal-Bench 4.0: 38.0% против 20.3% у Grok 4.6, почти двукратный рост на многочасовой работе в терминале.
• На EEBench, бенчмарке по электротехнике, Grok 4.7 набирает 64.0% — лучший результат среди всей четвёрки.
• На DeepSWE v1.1 модель показывает 71.0% в режиме high effort — на уровне Fable 5.1 (70.0%) и вплотную к GPT-5.6 Sol (72.7%).
• На юридическом Harvey Legal Agent Benchmark — 19.6%, далеко впереди остальных, хотя абсолютные значения у всех участников невысоки.
• На AA Briefcase v1.1 Grok 4.7 набирает 1657 баллов — между Fable 5.1 (1678) и остальными участниками.

Фронтир по цене за задачу

«Сырой» балл на CursorBench 4.0 — тесте, который нагружает модель длинными кодинг-задачами, — у Grok 4.7 ниже, чем у Fable 5.1: 46.3% против 51.8%. Но SpaceXAI делает акцент на другом: на графике соотношения балла и средней стоимости одной задачи (диапазон от $0 до $18) Grok 4.7 оказывается на фронтире вместе с Fable 5.1, Opus 5, GPT-5.6 Sol и Sonnet 5 — выше по баллу и дешевле за задачу, чем большинство конкурентов в своей ценовой категории.

Для агентских кодинг-сценариев, где счёт задач идёт на сотни и тысячи, именно цена за задачу, а не пик качества, определяет итоговый счёт — и на этой оси новая модель позиционируется особенно агрессивно.

Профессиональная работа и рейтинг GDPval

Grok 4.7 заметно прибавила в создании документов и презентаций. В GDPval и AA Briefcase модели дают задачи, которые выполняют реальные профессионалы: юристы, медсёстры, финансовые аналитики. На обоих тестах Grok 4.7 улучшает результаты Grok 4.6 и выступает на уровне других фронтирных моделей.

В рейтинге GDPval по Elo Grok 4.7 в режиме xhigh получает 1695 баллов: позади Fable 5.1 в максимальном режиме (1735), но впереди Grok 4.6 (1605) и GPT-6 Astra (1542). На HealthBench Professional — тесте клинических рассуждений — результат скромнее: 56.7% против 62.1% у Fable 5.1.

Безопасность: новый стек защит

Grok 4.7 построена с полностью новым стеком защитных механизмов. По заявлениям SpaceXAI, это самая сильная модель компании по отказам от опасных запросов и устойчивости к джейлбрейкам.

В dual-use доменах — кибербезопасности и работе с биологией — модель лидирует одновременно по полезности для легитимных задач и по безопасным отказам на опасных: на бенчмарке биобезопасности LatchBio она набирает 62.4%.

В кибербезопасности баланс смещён в сторону низкого числа ложных блокировок. На HackerBench v0.3 — бенчмарке рискованных и вредоносных кибер-задач — Grok 4.7 показывает лучший результат по безопасности: пропускает лишь 3.3% рискованных dual-use промптов и при этом редко блокирует легитимную работу специалистов по безопасности.

Параллельно SpaceXAI начала давать избранным кибер-партнёрам доступ по приглашению к возможностям red team модели — для исследований в области защиты.

Цены и доступность

Grok 4.7 доступна с сегодняшнего дня в Cursor и Grok Build, а также через Grok API, сторонние кодинг-харнессы, роутеры моделей и облачные платформы.

Тарификация стартует с $2 за миллион входных токенов и $6 за миллион выходных. Есть и быстрая вариация: вдвое выше скорость генерации при вдвое большей цене.

$ curl -fsSL https://x.ai/cli/install.sh | bash

Документация — на https://docs.x.ai, ключи API создаются в консоли https://console.x.ai.

Итог

Grok 4.7 — это ставка на качество-в-пересчёте-на-цену: уровень фронтира по большинству агентских бенчмарков, цена предыдущего поколения SpaceXAI и лучшая в линейке калибровка безопасности. Так как цена и скорость совпадают с Grok 4.6, переход для существующих пользователей выглядит малозатратным, а главный вопрос — удастся ли удержать заявленную надёжность на многочасовых задачах — проверяется только в реальных проектах.