Grok 4.7 vergroot het model, niet de standaardprijs van de API

SpaceXAI heeft Grok 4.7 op 21 september uitgebracht met een groter basismodel en een reeks wijzigingen in training en inferentie die zijn gericht op langere taken. De release houdt de standaardprijs voor de API ongewijzigd op $2 per miljoen inputtokens en $6 per miljoen outputtokens. Het model komt ook met een contextvenster van 500.000 tokens, vier redeneerniveaus en brede beschikbaarheid via de API, Cursor, Grok Build, OpenRouter, Vercel en Cloudflare. De centrale vraag is niet of Grok 4.7 een grotere en capabelere release is dan zijn voorganger, maar in hoeverre het gepubliceerde bewijs die claim ondersteunt wanneer benchmarks van de leverancier en onafhankelijke evaluaties uit elkaar worden gehouden.

Wat er verandert in Grok 4.7

De belangrijkste architecturale wijziging die voor Grok 4.7 is bekendgemaakt, is het gebruik van een groter basismodel. SpaceXAI zegt ook dat het model langere reinforcement learning voor lange taken, zelfverificatie en training voor lange contexten heeft gekregen. Dat zijn geen kleine positioneringsdetails: ze beschrijven een model dat beter moet presteren wanneer werk zich over veel stappen uitstrekt, wanneer outputs controle vereisen en wanneer grote hoeveelheden tekst of code in beeld moeten blijven. De aankondiging presenteert Grok 4.7 daarom minder als een smalle snelheidsupdate en meer als een poging om redeneren en volharding in uitgebreide workflows te verbeteren.

De ongewijzigde standaardprijs voor de API is een opvallend onderdeel van de release. SpaceXAI vermeldt een standaardprijs van $2 per miljoen inputtokens en $6 per miljoen outputtokens, hoewel het model als groter wordt omschreven en met aanvullende methoden is getraind. Voor ontwikkelaars en teams die al rond tokenkosten budgetteren, is de boodschap dat de standaarddienstlaag geen hogere eenheidsprijs voor het nieuwe model introduceert. Dat betekent niet dat alle toegangskosten ongewijzigd zijn: de snellere dienstlaag kost twee keer de standaardprijs, waardoor een duidelijk onderscheid ontstaat tussen basistoegang en een dienst met lagere latency.

Het contextvenster van 500.000 tokens is een andere praktische verandering om mee te wegen. Een contextvenster van die omvang kan een model in principe in staat stellen om grote codebases, lange documentatie, prompts met meerdere bestanden of langlopende taakgeschiedenissen te verwerken zonder dezelfde mate van inkorting. Een groot contextvenster is echter een capaciteitscijfer, geen garantie dat het model elk deel van de context even goed gebruikt. Het feit dat Grok 4.7 training voor lange contexten heeft gekregen is relevant, omdat contextlengte op zichzelf geen betrouwbare terugvinding, prioritering of redenering over het volledige venster bewijst.

Hoe de release wordt gepositioneerd

SpaceXAI maakt Grok 4.7 beschikbaar via meerdere routes: zijn API, Cursor, Grok Build, OpenRouter, Vercel en Cloudflare. Die distributie is van belang omdat het model daardoor niet alleen achter een directe API staat, maar ook binnen ontwikkel- en uitrolkanalen terechtkomt waar het wisselen van model onderdeel kan zijn van dagelijkse workflows. De release is daarmee gericht op zowel directe integrators als gebruikers die het model bereiken via platforms die al worden gebruikt voor coderen, bouwen of het routeren van AI-workloads. De beschikbaarheidslijst is een aankondiging van het bedrijf en moet ook zo worden behandeld, niet als bewijs van prestaties.

De vier redeneerniveaus geven gebruikers of ontwikkelaars een manier om te kiezen hoeveel redeneerinspanning het model moet toepassen. De praktische implicatie is dat niet elke taak op dezelfde instelling hoeft te draaien. Eenvoudigere verzoeken hebben mogelijk niet het hoogste niveau nodig, terwijl complexer werk meer redenering kan krijgen. De geverifieerde feiten specificeren niet hoe de vier niveaus verschillen in latency, nauwkeurigheid of kosten, dus elke conclusie over de beste instelling zou verder gaan dan het bewijs. Wat wel kan worden gezegd, is dat SpaceXAI redeneren als configureerbaar onderdeel van het product aanbiedt, in plaats van het volledig achter één standaardmodus te verbergen.

Zelfverificatie maakt ook deel uit van de aangekondigde methode. In brede zin duidt zelfverificatie erop dat het model is ontworpen om tijdens generatie of redenering aspecten van zijn eigen output te controleren. De release-informatie biedt niet genoeg detail om precies te beoordelen hoe dat proces is geïmplementeerd of hoe vaak het fouten voorkomt. Het moet daarom worden gezien als een bekendgemaakte techniek, niet als bewijs dat feitelijke vergissingen, programmeerfouten of redeneerfalen zijn opgelost. Dezelfde voorzichtigheid geldt voor langere reinforcement learning voor lange taken: die is relevant voor het ontwerp van het model, maar het effect ervan moet via resultaten worden beoordeeld.

Wat de cijfers laten zien

SpaceXAI rapporteert drie benchmarkresultaten voor Grok 4.7: CursorBench 46,3, DeepSWE 71 en EEBench 64. Deze cijfers vallen in de categorie benchmarks van de leverancier, omdat ze worden gepresenteerd door het bedrijf achter het model. Ze kunnen nuttige signalen zijn over de taken die SpaceXAI wil benadrukken, vooral rond codering of software-engineeringworkflows die worden gesuggereerd door de benchmarknamen en de distributie via Cursor. Maar benchmarks van leveranciers hebben niet hetzelfde bewijsgewicht als onafhankelijke tests. Ze laten zien wat het bedrijf onder zijn gekozen omstandigheden rapporteert; op zichzelf stellen ze geen marktleiderschap of brede betrouwbaarheid vast.

Het onafhankelijke beeld is minder gunstig. Artificial Analysis geeft Grok 4.7 een intelligentiescore van 46, tegenover 53 voor GPT-6 en 53 voor Claude Fable 5.1. Op de schaal van die evaluator staat Grok 4.7 achter beide leidende modellen die in de vergelijking worden genoemd. Artificial Analysis rapporteert ook een grote kloof op Terminal Bench. Dit zijn onafhankelijke metingen, los van SpaceXAI’s eigen benchmarkclaims. Ze wissen het belang van het grotere basismodel of de ongewijzigde standaardprijs niet uit, maar ze begrenzen wel elke claim dat Grok 4.7 de sterkste concurrenten in gemeten intelligentie heeft ingehaald.

Het verschil tussen de resultaten van de leverancier en de onafhankelijke resultaten is het kernpunt van de analyse. De cijfers van SpaceXAI kunnen de opvatting ondersteunen dat Grok 4.7 verbetert op gebieden die het bedrijf meet en promoot. Artificial Analysis ondersteunt een andere conclusie: in zijn onafhankelijke tests blijft het model achter bij GPT-6 en Claude Fable 5.1, met een bijzonder grote kloof op Terminal Bench. Geen van beide cijferreeksen bewijst alles. Benchmarks van leveranciers kunnen geen onafhankelijke rangschikking beslechten. Onafhankelijke scores kunnen niet elke mogelijke private workload beschrijven. Samen wijzen ze op een release met betekenisvolle technische wijzigingen, maar niet op een model dat, op basis van het aangehaalde onafhankelijke bewijs, het veld aanvoert.

Praktische implicaties

Voor API-gebruikers is de duidelijkste praktische implicatie dat Grok 4.7 de capaciteitsclaims verandert zonder de standaard tokenprijs te wijzigen. Een team dat standaardtoegang gebruikt, zou hetzelfde vermelde tarief van $2 per miljoen inputtokens en $6 per miljoen outputtokens zien, terwijl het toegang krijgt tot het grotere model, het contextvenster van 500.000 tokens en de vier redeneerniveaus. Als de snellere laag nodig is, veranderen de kosten wezenlijk, omdat die twee keer de standaardprijs bedraagt. De prijsstructuur scheidt de modelupgrade dus van de premie die op een snellere dienst wordt gezet.

Voor lange taken is de release ontworpen om relevanter te zijn dan een modelupdate voor korte prompts. Langere reinforcement learning voor lange taken, training voor lange contexten en zelfverificatie wijzen allemaal op gebruiksscenario’s waarin het model instructies moet vasthouden, uitgebreid materiaal moet verwerken of meerstapsbewerkingen moet doorlopen. Toch scheppen de onafhankelijke resultaten een grens rond de verwachtingen. Een groter basismodel en een langere context kunnen helpen bij complexe workflows, maar de score van 46 van Artificial Analysis tegenover 53 voor GPT-6 en Claude Fable 5.1 geeft aan dat onafhankelijke evaluatoren aan de bovenkant nog steeds een prestatiekloof zien.

Het resultaat is een afgemeten upgrade, geen duidelijke verdringing van de leidende modellen. Grok 4.7 komt met bredere beschikbaarheid, een groter basismodel, training voor lange taken, zelfverificatie, training voor lange contexten, ongewijzigde standaardprijzen voor de API en een snellere laag tegen hogere kosten. De door SpaceXAI gerapporteerde resultaten voor CursorBench, DeepSWE en EEBench tonen het benchmarkkader van het bedrijf zelf. Artificial Analysis biedt het onafhankelijke tegengewicht, plaatst Grok 4.7 achter GPT-6 en Claude Fable 5.1 en noteert een grote kloof op Terminal Bench. De release doet ertoe, maar het beschikbare bewijs ondersteunt niet dat zij als nieuwe benchmarkleider wordt behandeld.