xAI представила Grok 4.7: бенчмарки, цена и где доступна

21 сентября 2026 года xAI представила Grok 4.7 — модель, которую в компании называют самой сильной для программирования и работы со знанием. Цена осталась на уровне предыдущей версии: $2 за миллион входных токенов и $6 за миллион выходных. В анонсе заявлены вдвое большая скорость и вдвое меньшая стоимость в сравнении с моделями того же класса.

Доступ открыли в тот же день: Cursor, Grok Build, программный интерфейс Grok API, сторонние обвязки для кода, маршрутизаторы моделей и облачные платформы. Пробовать бесплатно предлагают в Grok Build, а установка консольного клиента сводится к одной команде curl.

Что стоит за прибавкой в скорости

Основа изменений — не косметика. Grok 4.7 построена на новой, более крупной базовой модели, а обучение с подкреплением шло дольше и на более трудном наборе задач. Ставка сделана на проблемы, решение которых занимает много часов: длинные цепочки правок, многошаговые проверки, работа с большим контекстом.

Второй акцент — самопроверка. Модель чаще перепроверяет собственный результат, и для агентных сценариев это важнее прироста на отдельных примерах. Третий — нативное понимание Grok Bot, обвязки для диалоговых и офисных задач: раньше подобное подтягивалось инструкциями, теперь заложено в обучение.

Для практики это означает, что длинную задачу можно отдавать одним запросом, а не дробить руками на куски. И там же кроется риск. Чем дольше модель работает автономно, тем дороже стоит ошибка в постановке: неверная цель на входе размножается по всей цепочке шагов, а заметить это на середине прогона сложно.

Бенчмарки: где рост виден, а где отставание

Цифры компания приводит в сравнении с Grok 4.6 и двумя конкурентами — GPT-5.6 Sol и Fable 5.1. Режимы у колонок разные: у новинки это xHigh, у предыдущей версии High, у соперников Max. Строка DeepSWE дополнительно помечена звёздочкой высокого усилия, так что механически сопоставлять числа между столбцами нельзя.

Прирост к прошлой версии заметен почти везде: терминальные задачи выросли с 20,3% до 37,6%, электротехника — с 53% до 64%, юридическая работа — с 15,8% до 19,6%. Но лидерство в классе не абсолютное: по CursorBench, Terminal-Bench и HealthBench впереди Fable 5.1, по DeepSWE — GPT-5.6 Sol.

Профиль задач при этом сместился. Строки про юридическую и клиническую работу показывают, что модель целят не только в разработку, хотя 19,6% в Harvey Legal Agent — это не «заменяет юриста», а «закрывает часть рутины». Разрыв до полного прохождения бенчмарка измеряется десятками процентов, и его стоит держать в голове при выборе сценариев.

Отдельного внимания заслуживают офисные замеры. В GDPval и AA Briefcase модели дают задачи, которые в реальности выполняют юристы, медсёстры и финансовые аналитики, и результат сравнивают с работой профессионалов. Показатель 1 657 против 1 546 у прошлой версии — движение вперёд, но не разрыв, и в презентациях он описывается как сопоставимость с другими фронтирными моделями, а не как превосходство.

Цена, скорость и когда двойной тариф оправдан

Помимо базового режима есть быстрый вариант: та же модель отдаёт ответ вдвое быстрее и стоит вдвое дороже. Для чата это почти не имеет значения, для агентных прогонов на сотни шагов — имеет, потому что ожидание складывается из задержек на каждом шаге.

Формулировка «вдвое дешевле сопоставимых» относится не к Grok 4.6, а к моделям из таблицы. У GPT-5.6 Sol вход стоит $4 за миллион токенов, выход — $20; у Fable 5.1 — $10 и $50. На таком фоне $2 на входе дают двукратную экономию, а $6 на выходе — кратную.

Отсюда практическое следствие: выгода тем заметнее, чем больше модель пишет и меньше читает. Генерация кода, документов, презентаций, длинные ответы с правками — там экономия реальная. В сценариях с огромным контекстом и короткой репликой разница по счёту меньше, и выбирать разумнее по качеству, а не по прайсу.

Защиты и доступ: что ещё xAI представила вместе с Grok 4.7

Защитный стек собран заново, и в компании называют его самым стойким из всего, что тестировали, — и по отказам, и по сопротивлению джейлбрейкам. В доменах двойного назначения, куда попали кибербезопасность и биология, заявлен баланс между помощью в легитимных задачах и отказом в опасных.

По биобезопасности модель вышла на 62,4% в бенчмарке LatchBio. В HackerBench v0.3, где оценивают рискованные киберзапросы, она пропускает 3,3% запросов двойного назначения и при этом редко блокирует нормальную работу защитников. Избранным партнёрам открыли приглашённый доступ к red-team возможностям Grok 4.7 для оборонных исследований.

Оговорка про эти числа уместна. Замеры делает сам разработчик и его партнёры, а 3,3% описывают узкий класс запросов, а не всю поверхность атак. Командам, которые строят на модели защитные инструменты, полезнее свой набор тестов на ложные отказы — он покажет реальную цену осторожности.

Доступ с российских адресов удобнее считать не по модели, а по посреднику. Рублёвых тарифов в объявлении нет, оплата в долларах, поэтому ключевые вопросы — способ пополнения счёта и правила конкретной платформы. Маршрутизаторы и облака дают собственный биллинг, но добавляют свои лимиты и свою сетевую задержку; Cursor и Grok Build привязаны к аккаунту напрямую, и условия там определяет сам сервис.

Когда переход не даёт выигрыша

Короткие задачи вроде правки абзаца или генерации одного файла не раскрывают ни длинный контекст, ни самопроверку. Если Grok 4.6 закрывает такой запрос с первого раза, переплата за более крупную модель не даёт ничего, кроме запаса на будущее.

Сложнее с воспроизводимостью. Модель активнее перепроверяет себя, расход токенов на один и тот же запрос вырос, а главное — стал менее предсказуемым. В проектах, где бюджет на месяц считают заранее и жёстко, такой разброс придётся закладывать в лимиты.

Профильные области тоже не закрыты. Юридические и клинические бенчмарки показывают десятки процентов выполнения, а не полное прохождение, так что вывод модели в этих темах по-прежнему проверяет человек с квалификацией.

И про сравнение. Новинка в таблице замерена в режиме xHigh, предыдущая версия — в High, конкуренты — в Max, а строка DeepSWE помечена звёздочкой высокого усилия. Выбирать по одной строке, не поправив на режим, — самый быстрый способ ошибиться.

С чего начать проверку на своей задаче

Самый дешёвый способ — взять одну реальную задачу из рабочего процесса, самую дорогую по времени, и прогнать её на Grok 4.6 и на 4.7 с одинаковым промптом и одинаковым набором файлов. Смотреть при этом на количество шагов до результата, расход токенов и число ручных вмешательств. Общее впечатление обманывает чаще, чем эти три величины.

Для агентных сценариев отдельно проверяют поведение на длинной цепочке: пять-шесть связанных шагов с проверкой промежуточного результата. Именно там новая модель отличается от прошлой сильнее всего, и именно там ошибка постановки обходится дороже. Бесплатный запуск в Grok Build даёт пройти эту проверку до первого счёта за API — с него и стоит начать.