SpaceXAI anunció el 21 de septiembre, hora local, el modelo de inteligencia artificial Grok 4.7, que presenta a empresas y desarrolladores como su modelo más potente destinado a la programación y el trabajo cognitivo. El modelo está disponible con el mismo precio y velocidad que Grok 4.6, mientras que la empresa afirma que es dos veces más rápido y cuesta la mitad que modelos de la misma categoría.
¿Qué cambió en Grok 4.7?
El modelo se basa en un modelo fundamental más grande, con un entrenamiento más prolongado mediante aprendizaje por refuerzo y tareas compuestas diseñadas para abordar problemas cuya resolución puede tardar horas. Según SpaceXAI, esto mejoró la capacidad del modelo para revisar su trabajo y gestionar contextos largos. También fue entrenado para comprender de forma nativa cómo funciona el agente de programación de la empresa, Grok Bot, con el objetivo de elevar su rendimiento en tareas conversacionales y en el trabajo cognitivo general.
Las mejoras incluyen la creación de documentos y presentaciones, además del desempeño en tareas especializadas que simulan el trabajo de abogados, enfermeros y analistas financieros. En la prueba GDPval, Grok 4.7 registró una puntuación Elo de 1695, por encima de Grok 4.6, con 1605, y GPT-6 Astra, con 1542, pero quedó por detrás de Fable 5.1, que registró 1735.
Resultados avanzados en algunas pruebas, pero no en todas
En CursorBench 4.0, para tareas de programación prolongadas, Grok 4.7 registró un 46.3%, frente al 40.4% de Grok 4.6 y el 41.7% de GPT-5.6 Sol, mientras que Fable 5.1 encabezó el resultado con un 51.8%. El modelo también obtuvo la puntuación más alta entre los modelos comparados en EEBench para ingeniería eléctrica, con un 64.0%, y en Harvey Legal Agent Benchmark para tareas jurídicas, con un 19.6%.
Sin embargo, la superioridad no fue generalizada: en Terminal-Bench 4.0, para tareas de terminal prolongadas, registró un 38.0%, frente al 57.9% de Fable 5.1. En HealthBench Professional, para razonamiento clínico, alcanzó un 56.7%, por detrás de GPT-5.6 Sol, con un 60.5%, y Fable 5.1, con un 62.1%. Estos resultados significan que la elección del modelo seguirá dependiendo del tipo de tarea, no solo de la clasificación general o del precio.
Precio y disponibilidad
El precio de la API de Grok comienza en dos dólares por cada millón de tokens de entrada y seis dólares por cada millón de tokens de salida. En comparación, GPT-5.6 Sol cuesta cuatro dólares por la entrada y 20 dólares por la salida, mientras que Fable 5.1 cuesta diez dólares por la entrada y 50 dólares por la salida. SpaceXAI ofrece una versión más rápida, con el doble de velocidad que la versión básica, y también duplica el precio.
Grok 4.7 estuvo disponible ese mismo día a través de Cursor y de la herramienta de programación Grok Build, además de la API de Grok, herramientas de programación de terceros, enrutadores de modelos y plataformas de computación en la nube.
Seguridad y acceso a herramientas de prueba
SpaceXAI afirmó que rediseñó por completo los mecanismos de protección y mejoró la resistencia a los intentos de eludir las restricciones y a las solicitudes peligrosas. El modelo registró un 62.4% en la prueba de seguridad biológica de LatchBio, el resultado más alto entre los modelos comparados por la empresa. En HackerBench v0.3, el modelo aprobó solo el 3.3% de las solicitudes de doble uso y riesgo cibernético, aunque la empresa afirmó que no bloquea la mayoría de las tareas de seguridad legítimas.
SpaceXAI también comenzó a conceder a algunos socios de ciberseguridad acceso mediante invitación a funciones de equipo rojo con fines de investigación defensiva. Estas afirmaciones siguen estando vinculadas a las pruebas que la empresa seleccionó y a sus metodologías, y la variación de los resultados entre áreas obliga a los equipos de desarrollo y negocios a evaluar el modelo según los casos de uso reales.