AI Watch · Industry landscape
Grok 4.7 undercuts everyone on price, still trails on the hardest benchmarks
xAI shipped a 40% bigger base model on September 21, 2026 — and kept the price tag exactly where it was. It's the clearest snapshot yet of a pattern reshaping the whole model market: speed and price move fast, the actual capability gap to the frontier moves slower.
1. What xAI actually shipped
On September 21, 2026, xAI released Grok 4.7, pitched as its most capable model yet for coding and extended, multi-hour knowledge work. It's available through the xAI API as grok-4.7, and shipped simultaneously inside coding tools like Cursor and xAI's own Grok Build.
This isn't a new model family or a renamed rebrand — it's a direct successor to Grok 4.6, released with the explicit goal of closing ground on tasks that take a model many steps and a long time to finish, rather than chasing a higher score on short trivia-style benchmarks.
2. What actually got bigger under the hood
Two things changed, and only one of them is about raw size:
- A larger base model. Grok 4.7 runs on a new base with roughly 2.1 trillion parameters, about 40% larger than Grok 4.6's 1.5 trillion.
- A different training diet. xAI ran a longer reinforcement-learning pass weighted toward harder tasks that take many hours to complete, and specifically targeted self-verification and long-context management — a model's ability to check its own work and not lose the thread over a long agentic session.
That second point matters more than the parameter count. A bigger model that's still bad at noticing its own mistakes over a long task isn't more useful in practice — this release is explicitly aimed at the "notices when it's wrong, three hours into a task" problem, not just "knows more facts."
3. The benchmarks, read honestly
The clearest improvement is on long-horizon, agentic tasks — exactly what the training changes targeted:
| Benchmark | What it measures | Grok 4.6 | Grok 4.7 |
|---|
| Terminal-Bench 4.0 | Multi-hour terminal/agentic tasks | 20.3% | 38.0% |
| CursorBench 4.0 | Real-world coding tasks | 40.4% | 46.3% |
| AA Briefcase v1.1 | General office/knowledge work | 1,546 | 1,657 |
Nearly doubling a score on multi-hour agentic tasks is a real, meaningful jump — that's the metric most aligned with how coding agents actually get used day to day now, not single-shot Q&A.
But the competitive picture is less flattering once you put Grok 4.7 next to the current frontier leaders on the same CursorBench 4.0 test:
| Model | CursorBench 4.0 |
|---|
| Claude Fable 5.1 (Anthropic) | 51.8% |
| Grok 4.7 (xAI) | 46.3% |
| GPT-5.6 Sol Max (OpenAI) | 41.7% |
The honest read: Grok 4.7 leapfrogs OpenAI's mid-tier model on this test, but still sits meaningfully behind Anthropic's top-of-line Claude Fable 5.1. Coverage of the release is consistent on this point — xAI closed a real gap on long-horizon tasks without closing the gap to the actual frontier.
4. The one number that didn't move: price
Here's the part that makes this release strategically interesting rather than just another incremental model bump: Grok 4.7 launched at $2 per million input tokens and $6 per million output tokens — identical to Grok 4.6's pricing, despite the base model growing 40%. (Longer prompts, at or above 200,000 tokens, bill higher at $4/$12, with $1 for cached input.)
| Model | Input ($/M tokens) | Output ($/M tokens) |
|---|
| Grok 4.7 (xAI) | $2 | $6 |
| GPT-4o (OpenAI, reference rate card) | $2.50 | $10 |
| Gemini 3.7 Flash Standard (Google, promo through Dec 2026) | $0.75 | $3.75 |
xAI's pricing sits closer to the aggressive rates coming out of Chinese open-weight labs than to Western frontier-lab norms — making Grok the cheapest major Western frontier option even as it trails on the benchmark that matters most for coding work.
5. The pattern this confirms
This release lines up with something worth tracking across the whole industry right now, not just one company: model makers are increasingly competing on two separate axes that don't move together — raw capability at the frontier, and price/speed of iteration. Grok 4.7 is a clean example of the second axis winning a release cycle: xAI shipped a big, real jump in agentic performance and kept the price frozen, rather than spending that improvement on catching Claude Fable 5.1 outright.
It's the same dynamic behind the broader 2026 price pressure from open-weight Chinese models forcing discounts across the board — cheap, fast-iterating models compete on volume and accessibility, while a smaller set of frontier labs compete on raw ceiling performance, and increasingly these are different races.
6. What this means if you're choosing a model
Budget-sensitive, high-volume coding tasks: Grok 4.7's price-to-agentic-performance ratio is hard to beat right now among Western frontier labs — especially for long-horizon terminal/agentic work where it nearly doubled its own predecessor.
Tasks where the ceiling matters more than the bill: the benchmark gap to Claude Fable 5.1 (51.8% vs. 46.3% on CursorBench 4.0) is real enough that for the hardest coding problems, the top-of-line frontier model is still worth the premium.
Either way, don't compare on price or benchmark alone. A model that's 40% cheaper but fails the task still costs more in your time than one that's pricier but reliable — and a model that's technically stronger but overkill for a simple task is money left on the table in the other direction.
7. The takeaway
Grok 4.7 isn't a story about xAI catching Anthropic or OpenAI — the numbers don't support that. It's a story about how fast the "good enough, and cheap" tier of the market is moving, independently of the frontier ceiling. Watching both numbers — not just whichever one a company's press release leads with — is the only way to actually tell what a release means for you.
Sources
IA Watch · Panorama da indústria
O Grok 4.7 vence todo mundo no preço, mas ainda fica atrás nos benchmarks mais duros
A xAI lançou um modelo-base 40% maior em 21 de setembro de 2026 — e manteve o preço exatamente onde estava. É o retrato mais claro até agora de um padrão que está reformatando todo o mercado de modelos: velocidade e preço se movem rápido, a diferença real de capacidade pra fronteira se move mais devagar.
1. O que a xAI lançou, de fato
Em 21 de setembro de 2026, a xAI lançou o Grok 4.7, apresentado como seu modelo mais capaz até agora para código e trabalho de conhecimento estendido, de várias horas. Ele está disponível pela API da xAI como grok-4.7, e foi lançado simultaneamente dentro de ferramentas de código como o Cursor e o próprio Grok Build da xAI.
Não é uma nova família de modelo nem um rebranding — é um sucessor direto do Grok 4.6, lançado com o objetivo explícito de fechar a distância em tarefas que exigem muitos passos e muito tempo pra terminar, em vez de perseguir uma nota mais alta em benchmarks curtos, tipo trivia.
2. O que realmente ficou maior por dentro
Duas coisas mudaram, e só uma delas é sobre tamanho bruto:
- Um modelo-base maior. O Grok 4.7 roda sobre uma base nova com aproximadamente 2,1 trilhões de parâmetros, cerca de 40% maior que os 1,5 trilhão do Grok 4.6.
- Uma dieta de treino diferente. A xAI rodou uma etapa de reinforcement learning mais longa, com peso maior em tarefas difíceis que levam muitas horas pra completar, e mirou especificamente em autoverificação e gestão de contexto longo — a capacidade de um modelo checar o próprio trabalho e não perder o fio da meada numa sessão agêntica longa.
Esse segundo ponto importa mais que a contagem de parâmetros. Um modelo maior que ainda é ruim em perceber os próprios erros numa tarefa longa não é mais útil na prática — esse lançamento mira explicitamente no problema de "percebe quando errou, três horas dentro de uma tarefa", não só em "sabe mais fatos".
3. Os benchmarks, lidos com honestidade
A melhora mais clara é em tarefas agênticas de longo horizonte — exatamente o que as mudanças de treino miraram:
| Benchmark | O que mede | Grok 4.6 | Grok 4.7 |
|---|
| Terminal-Bench 4.0 | Tarefas de terminal/agênticas de várias horas | 20,3% | 38,0% |
| CursorBench 4.0 | Tarefas de código do mundo real | 40,4% | 46,3% |
| AA Briefcase v1.1 | Trabalho geral de escritório/conhecimento | 1.546 | 1.657 |
Quase dobrar uma nota em tarefas agênticas de várias horas é um salto real e relevante — essa é a métrica mais alinhada com como agentes de código são usados no dia a dia hoje, não Q&A de tiro único.
Mas o quadro competitivo é menos lisonjeiro quando você coloca o Grok 4.7 ao lado dos líderes de fronteira atuais no mesmo teste CursorBench 4.0:
| Modelo | CursorBench 4.0 |
|---|
| Claude Fable 5.1 (Anthropic) | 51,8% |
| Grok 4.7 (xAI) | 46,3% |
| GPT-5.6 Sol Max (OpenAI) | 41,7% |
A leitura honesta: o Grok 4.7 ultrapassa o modelo de nível intermediário da OpenAI nesse teste, mas ainda fica visivelmente atrás do topo de linha da Anthropic, o Claude Fable 5.1. A cobertura do lançamento é consistente nesse ponto — a xAI fechou uma distância real em tarefas de longo horizonte sem fechar a distância pra fronteira de fato.
4. O único número que não mudou: o preço
Aqui está a parte que torna esse lançamento estrategicamente interessante, e não só mais um upgrade incremental: o Grok 4.7 chegou custando US$ 2 por milhão de tokens de entrada e US$ 6 por milhão de tokens de saída — idêntico ao preço do Grok 4.6, apesar do modelo-base ter crescido 40%. (Prompts mais longos, a partir de 200 mil tokens, cobram mais: US$ 4/US$ 12, com US$ 1 para entrada em cache.)
| Modelo | Entrada (US$/M tokens) | Saída (US$/M tokens) |
|---|
| Grok 4.7 (xAI) | US$ 2 | US$ 6 |
| GPT-4o (OpenAI, tabela de referência) | US$ 2,50 | US$ 10 |
| Gemini 3.7 Flash Standard (Google, promoção até dez/2026) | US$ 0,75 | US$ 3,75 |
O preço da xAI fica mais perto das tarifas agressivas que vêm dos laboratórios chineses de peso aberto do que dos padrões dos laboratórios de fronteira ocidentais — tornando o Grok a opção de fronteira ocidental mais barata, mesmo ficando atrás no benchmark que mais importa pra trabalho de código.
5. O padrão que isso confirma
Esse lançamento se encaixa em algo que vale acompanhar em toda a indústria agora, não só numa empresa: os fabricantes de modelo estão cada vez mais competindo em dois eixos separados que não andam juntos — capacidade bruta na fronteira, e preço/velocidade de iteração. O Grok 4.7 é um exemplo limpo do segundo eixo vencendo um ciclo de lançamento: a xAI entregou um salto grande e real em desempenho agêntico e manteve o preço congelado, em vez de gastar essa melhora tentando alcançar o Claude Fable 5.1 de fato.
É a mesma dinâmica por trás da pressão de preço mais ampla de 2026, vinda de modelos chineses de peso aberto forçando descontos em todo o setor — modelos baratos e de iteração rápida competem em volume e acessibilidade, enquanto um grupo menor de laboratórios de fronteira compete em teto bruto de desempenho, e cada vez mais essas são corridas diferentes.
6. O que isso significa se você está escolhendo um modelo
Tarefas de código de alto volume e sensíveis a orçamento: a relação preço/desempenho agêntico do Grok 4.7 é difícil de bater agora entre os laboratórios de fronteira ocidentais — especialmente em trabalho de terminal/agêntico de longo horizonte, onde ele quase dobrou o próprio antecessor.
Tarefas onde o teto importa mais que a conta: a diferença de benchmark pro Claude Fable 5.1 (51,8% vs. 46,3% no CursorBench 4.0) é real o suficiente pra que, nos problemas de código mais difíceis, o modelo de fronteira topo de linha ainda valha o preço premium.
De qualquer forma, não compare só por preço ou só por benchmark. Um modelo 40% mais barato que falha na tarefa acaba custando mais no seu tempo do que um mais caro e confiável — e um modelo tecnicamente mais forte, mas exagerado pra uma tarefa simples, é dinheiro jogado fora no sentido contrário.
7. A conclusão
O Grok 4.7 não é uma história sobre a xAI alcançando a Anthropic ou a OpenAI — os números não sustentam isso. É uma história sobre a velocidade com que a camada "bom o suficiente, e barato" do mercado está se movendo, independente do teto de fronteira. Acompanhar os dois números — não só aquele que o release da empresa destaca — é a única forma de entender de fato o que um lançamento significa pra você.
Fontes