SpaceXAI, відома раніше як xAI, оголосила про вихід Grok 4.7 — моделі, яка за деякими тестами на розробку ПЗ випереджає GPT-5.6 Sol від OpenAI. Від попереднього релізу, Grok 4.6, минуло менше місяця, і компанія продовжує оновлювати лінійку моделей із незвичною для індустрії частотою.

У самій xAI новинку називають найпотужнішою моделлю компанії для програмування та інтелектуальної роботи, стверджуючи, що вона працює вдвічі швидше й коштує вдвічі дешевше за порівнянні за класом рішення.

Масштабніша база і фокус на складних задачах

Grok 4.7 створена на новій, більшій базовій моделі, ніж Grok 4.6. За словами xAI, її навчали з підкріпленням довше і на складнішому наборі задач — тих, що вимагають багатогодинної роботи. Модель також краще перевіряє власні проміжні кроки й ефективніше працює з довгим контекстом.

Окремо інженери навчили Grok 4.7 «нативно розуміти» упряж (harness) чат-бота Grok, що поліпшило її поведінку в діалогах і в загальних інтелектуальних завданнях.

Ще до релізу Ілон Маск розповів про модель на 2,1 трильйона параметрів, підкресливши, що вона обжене Grok 4.6 практично за всіма показниками. За інформацією The Standard, Маск казав, що здивується, якщо якась інша модель випередить Grok 4.7 у реальних інженерних задачах, хоча визнав: Anthropic найближчим часом теж може оновити свої моделі.

Що показують офіційні бенчмарки

xAI опублікувала пряме зіставлення Grok 4.7 (режим xHigh) із Grok 4.6 (High), GPT-5.6 Sol (Max) і Fable 5.1 (Max) за сімома тестами.

  • Ціна за вхід, $/млн токенів: Grok 4.7 — $2, Grok 4.6 — $2, GPT-5.6 Sol — $4, Fable 5.1 — $10
  • Ціна за вихід, $/млн токенів: Grok 4.7 — $6, Grok 4.6 — $6, GPT-5.6 Sol — $20, Fable 5.1 — $50
  • CursorBench 4.0 (розробка ПЗ): Grok 4.7 — 46,3%, Grok 4.6 — 40,4%, GPT-5.6 Sol — 41,7%, Fable 5.1 — 51,8%
  • DeepSWE v1.1 (розробка ПЗ): Grok 4.7 — 71,0%* (режим підвищених зусиль), Grok 4.6 — 65,2%, GPT-5.6 Sol — 72,7%, Fable 5.1 — 70,0%
  • EEBench (електроінженерія): Grok 4.7 — 64,0%, Grok 4.6 — 53,0%, GPT-5.6 Sol — 39,4%, Fable 5.1 — 56,4%
  • AA Briefcase v1.1 (багатогодинна офісна робота): Grok 4.7 — 1657, Grok 4.6 — 1546, GPT-5.6 Sol — 1487, Fable 5.1 — 1678
  • Terminal-Bench 4.0 (робота в терміналі): Grok 4.7 — 38,0%, Grok 4.6 — 20,3%, GPT-5.6 Sol — 37,3%, Fable 5.1 — 57,9%
  • Harvey Legal Agent Benchmark (юридична робота): Grok 4.7 — 19,6%, Grok 4.6 — 15,8%, GPT-5.6 Sol — 2,5%, Fable 5.1 — 6,7%
  • HealthBench Professional (клінічне мислення): Grok 4.7 — 56,7%, Grok 4.6 — 48,5%, GPT-5.6 Sol — 60,5%, Fable 5.1 — 62,1%

Картина складається неоднозначна. Grok 4.7 помітно обходить GPT-5.6 Sol на EEBench, Terminal-Bench 4.0 і Harvey Legal Agent Benchmark, а також випереджає обидві конкурентні моделі на CursorBench 4.0 і AA Briefcase. Водночас вона поступається Fable 5.1 майже за всіма пунктами, а GPT-5.6 Sol — на DeepSWE v1.1 і HealthBench Professional.

Це підтверджують і незалежні заміри CursorBench 4.0: Grok 4.7 перевершила GPT-5.6 Sol на 4,6 відсоткового пункту, але відстала від Fable 5.1 на 5,5 в. п. За розрахунками xAI, на графіку співвідношення ціни й продуктивності CursorBench 4.0 Grok 4.7 опинилася на межі фронтиру — тобто дає одні з найкращих показників на кожен витрачений долар серед порівнюваних моделей.

Офісні задачі та робота з документами

Бенчмарки GDPval і AA Briefcase оцінюють, як модель виконує типові завдання професіоналів — юристів, медсестер, фінансових аналітиків. Тут Grok 4.7 поліпшила результат порівняно з Grok 4.6 і показує показники, зіставні з іншими фронтирними моделями.

За шкалою Ело на GDPval Grok 4.7 набрала 1695 балів — це між результатами Fable 5.1 (1735) і Grok 4.6 (1605), і вище, ніж у GPT-6 Astra (1542).

Нова система безпеки

У Grok 4.7 повністю переробили механізми захисту. За заявою розробників, це найстійкіша до джейлбрейків модель компанії й водночас найкоректніша з погляду відмов виконувати небезпечні запити серед усіх, що вона тестувала.

У чутливих сферах подвійного використання — кібербезпеці та біологічних дослідженнях — модель одночасно залишається корисною для легітимних задач і надійно відмовляє в небезпечних. Зокрема, вона очолила біобезпековий бенчмарк LatchBio з результатом 62,4%.

На внутрішньому бенчмарку xAI для ризикових і шкідливих кіберзадач HackerBench v0.3 Grok 4.7 показала найвищий рівень безпеки серед протестованих моделей: вона пропустила лише 3,3% ризикових запитів подвійного призначення, при цьому рідко блокуючи легітимну роботу з безпеки. Компанія також почала надавати окремим партнерам із кібербезпеки доступ до red-team можливостей Grok 4.7 для захисних досліджень за запрошеннями.

Де доступна модель і скільки коштує

Grok 4.7 уже працює в редакторі коду Cursor і в інструменті для «вайб-кодингу» Grok Build, а також доступна через Grok API, сторонні кодові «упряжі», маршрутизатори та хмарні платформи.

Базова ціна становить $2 за мільйон вхідних токенів і $6 за мільйон вихідних. Компанія також пропонує прискорений варіант, який видає результат удвічі швидше, але коштує удвічі дорожче.

Нагадаємо, кілька днів тому Microsoft додала Grok до Word, Excel і PowerPoint.

Джерело: Highload.tech