Grok 4.7: mismo precio por token, pero más tokens por tarea

SpaceXAI, la antigua xAI, lanzó el 21 de septiembre Grok 4.7, su nuevo modelo insignia para programación, tareas de agentes y trabajo profesional con conocimiento. El titular es que mantiene el mismo precio por token que Grok 4.6: 2 dólares por millón de tokens de entrada y 6 por millón de salida. Pero las primeras mediciones independientes añaden un matiz importante: el modelo gasta bastantes más tokens por tarea, de modo que el coste de completar un trabajo real puede subir aunque el precio por token no cambie.

Qué es y qué promete

Según la compañía, Grok 4.7 usa una base de modelo nueva y más grande que la de Grok 4.6, y se ha entrenado para entender de forma nativa el entorno de Grok Bot, el conjunto de agentes que la empresa lanzó en agosto, con el fin de mejorar en tareas conversacionales y de trabajo con conocimiento. Está disponible en Cursor y Grok Build, a través de la API de Grok, en herramientas de programación de terceros y en enrutadores de modelos y plataformas en la nube. Es un modelo propietario: SpaceXAI no ha publicado sus pesos ni su número de parámetros.

El precio, con letra pequeña

Para peticiones de menos de 200.000 tokens, el precio es de 2 dólares por millón de tokens de entrada y 6 por millón de salida, con 0,50 para la entrada en caché. Por encima de 200.000 tokens, las tarifas se duplican, y existe una variante rápida a 4 y 12 dólares. Estas cifras son las que cita la propia empresa y las coberturas especializadas, y no cambian respecto a Grok 4.6.

Rendimiento: lo que dice la empresa y lo que miden otros

En su propia tabla, SpaceXAI sitúa Grok 4.7 por delante de Grok 4.6 en los siete bancos de pruebas y por delante de GPT-5.6 Sol Max en cuatro. En CursorBench 4.0, que mide tareas largas de programación, obtiene un 46,3%, frente al 40,4% de la versión anterior. No lidera en todo: el modelo Fable 5.1 Max, de Anthropic, va por delante en cuatro de los siete, incluidos CursorBench y Terminal-Bench, mientras que Grok 4.7 lidera en EEBench y en el test jurídico de Harvey. Son resultados de la propia compañía, no auditados. En la primera lectura independiente, Artificial Analysis le da 46 puntos en su Índice de Inteligencia, lo que lo sitúa en el puesto 16 de 655 modelos.

El coste real por tarea

Aquí está el matiz. Según Artificial Analysis, recogido por TechRepublic y otras coberturas, Grok 4.7 en su ajuste de razonamiento más alto usa alrededor de 81.000 tokens de salida por tarea del Índice de Inteligencia, bastante más que Grok 4.6 y que GPT-6 Astra Max en sus pruebas. Un análisis de Codersera hace la cuenta: a 6 dólares por millón de tokens, 81.000 tokens suponen unos 0,49 dólares de salida por tarea difícil, frente a unos 0,22 de Grok 4.6 con el consumo de este último. El precio por token no ha subido, pero el precio por tarea sí. Otra medición independiente indica que el modelo es muy verboso y lento, con unos 39,5 tokens por segundo, lo que pesa en el trabajo de agentes que dura horas. Estos datos dependen de la configuración y de la metodología de cada medición.

Seguridad

La empresa afirma haber construido una pila de salvaguardas completamente nueva. En HackerBench v0.3, un banco propio para tareas cibernéticas arriesgadas, el modelo dejó pasar el 3,3% de las peticiones de doble uso peligrosas, según MarkTechPost. Y SpaceXAI ofrece acceso, solo por invitación, a las capacidades de pruebas ofensivas del modelo a socios de ciberseguridad para investigación defensiva. Son de nuevo datos propios.

Qué implica en la práctica

• Comparar por coste de tarea, no por precio de token: un modelo con tarifa baja y consumo alto puede salir más caro que otro con tarifa mayor pero más eficiente.
• Probar con tu propia carga de trabajo: los bancos de pruebas miden tareas concretas que pueden no parecerse a las tuyas.
• Tener en cuenta la latencia: para agentes de larga duración, la velocidad y la verbosidad afectan al rendimiento real.
• Mirar la tendencia del sector: mientras Grok gasta más tokens, otros trabajos apuestan por lo contrario, como el ajuste que recorta un 37% los tokens de razonamiento de un modelo.

Nuestra lectura

La estabilidad de precios es una buena noticia, pero el precio por token es cada vez menos la cifra relevante para quien paga la factura. Que un modelo mejore en programación y a la vez consuma más tokens es una pauta que se repite en modelos de razonamiento, y encaja con un panorama en el que el coste de un mismo nivel de rendimiento cae rápidamente, aunque el coste de las tareas más ambiciosas no siempre lo haga. También conviene esperar evaluaciones independientes más amplias: por ahora, la mayor parte de las cifras de rendimiento proceden del propio fabricante, como ya ocurrió con los modelos de la familia GPT-6 Sol y Luna.

Fuentes: anuncio oficial de SpaceXAI, TechRepublic, MarkTechPost y Codersera.