xAI przedstawia wydajność i koszty nowego modelu Grok 4.7

Firma xAI oficjalnie zaprezentowała parametry wydajnościowe oraz strukturę kosztów swojego nowego modelu Grok 4.7, pozycjonowanego jako bardziej przystępne cenowo rozwiązanie o możliwościach zbliżonych do systemów poprzedniej generacji. W założeniach inżynierów kierowanych przez Elona Muska architektura ta miała połączyć konkurencyjne stawki interfejsu API z wysoką sprawnością w zadaniach agentowych oraz programistycznych. Rzeczywistość rynkowa szybko zweryfikowała jednak te zapowiedzi. Niezależne testy laboratoryjne oraz branżowe benchmarki wykazały, że rynkowa premiera xAI Grok 4.7 wiąże się ze znaczącym kompromisem jakościowym, a specyfika generowania odpowiedzi prowadzi do nieoczekiwanie wysokich rachunków za obliczenia.

Wyniki w benchmarku Artificial Analysis: 46 punktów na tle rywali

Kluczowym punktem odniesienia dla nowego modelu stały się pomiary przeprowadzone przez niezależną platformę ewaluacyjną Artificial Analysis. W syntetycznym teście Artificial Analysis Intelligence Index model Grok 4.7 w najwyższym trybie rozumowania (xhigh) uzyskał zaledwie 46 punktów. Taki rezultat oznacza wyraźną stratę do bezpośrednich konkurentów z tego samego okresu premierowego. Zaprezentowany równolegle przez OpenAI model GPT-6 Sol osiągnął w wariancie max 48 punktów, a czołowe systemy pokroju Claude Opus 5.5 od Anthropic wyznaczyły jeszcze wyższy pułap precyzji analitycznej.

Twórcy modelu wyposażyli Grok 4.7 w cztery konfigurowalne poziomy wysiłku kognitywnego: low, medium, high oraz xhigh. Choć tryb xhigh miał zapewniać głęboką samoweryfikację i minimalizować ryzyko błędów logicznych w wieloetapowych operacjach, nie przełożyło się to na skokowy wzrost pozycji w rankingu. Mimo że w wąskiej kategorii Coding Agent Index model zanotował przyzwoity wynik 56 punktów, ogólna ocena sprawności intelektualnej uplasowała architekturę xAI w strefie modeli kompromisowych, ustępujących współczesnym liderom rynku sztucznej inteligencji.

Zestawienie parametrów i kosztów operacyjnych Grok 4.7 oraz GPT-6 Sol

Bezpośrednie porównanie danych technicznych i finansowych uwidacznia różnice w architekturze oraz efektywności obu konkurujących modeli.

Dane: Artificial Analysis

Pozorna oszczędność: dlaczego średni koszt zadania wyniósł 3,74 dolara

Najbardziej zaskakujące wnioski płyną z analizy rzeczywistych kosztów eksploatacji API. W oficjalnym cenniku xAI ustaliło stawkę na poziomie $2,00 za milion tokenów wejściowych oraz $6,00 za milion tokenów wyjściowych. W zestawieniu z ofertą OpenAI dla GPT-6 Sol, gdzie milion tokenów wyjściowych wyceniono na $10,00, propozycja xAI wyglądała z pozoru na znacznie tańszą alternatywę dla klientów korporacyjnych i twórców oprogramowania.

Przewaga ta okazała się jednak czysto teoretyczna z powodu zjawiska określanego w branży jako nadmierna gadatliwość (token verbosity). Podczas wykonywania złożonych poleceń w trybie xhigh model Grok 4.7 generuje bardzo rozbudowane, wieloetapowe sekwencje wewnętrznych rozważań, zużywając wielokrotnie więcej jednostek tekstu niż konkurencyjne sieci neuronowe. W rezultacie w standaryzowanych testach ewaluacyjnych Artificial Analysis średni koszt wykonania pojedynczego zadania przez Grok 4.7 wyniósł aż 3,74 dolara. Tymczasem konkurencyjny GPT-6 Sol, dzięki większej dyscyplinie syntaktycznej i wyższej gęstości merytorycznej wypowiedzi, realizował te same operacje przy średnim koszcie wynoszącym zaledwie 1,06 dolara. Grok 4.7 okazał się więc ponad 3,5-krotnie droższy w praktyce, całkowicie niwelując korzyści wynikające z niższej nominalnej stawki za milion tokenów wyjściowych.

Testy programowania: geometryczne kształty zamiast zaawansowanych gier

Oprócz zagadnień czysto ekonomicznych istotną próbą dla modelu Grok 4.7 były praktyczne testy wytwarzania oprogramowania. Zapowiedzi marketingowe sugerowały, że architektura zoptymalizowana pod kątem środowisk deweloperskich Cursor, GitHub Copilot oraz autorskiego harnessu Grok Build poradzi sobie ze złożonymi wyzwaniami, takimi jak generowanie interaktywnej logiki gier komputerowych czy dynamicznych struktur trójwymiarowych.

Rzeczywiste testy programowania gier przyniosły jednak spore rozczarowanie. Zamiast zapowiadanych złożonych mechanik rozgrywki model zdołał wygenerować jedynie proste geometryczne kształty, wykazując trudności z poprawnym połączeniem logiki pętli gry, kolizji oraz renderowania obiektów. Na tę wyraźną lukę pomiędzy obietnicami a stanem faktycznym zwrócił uwagę m.in. analityk i twórca technologiczny Matt Wolfe w swoim cotygodniowym podsumowaniu nowości AI. Wolfe skonfrontował osiągi Grok 4.7 z premierami modeli Claude Opus 5.5 oraz GPT-6 Sol, wskazując, że o ile model xAI radzi sobie ze standardowym formatowaniem składni, o tyle w środowiskach wymagających rygorystycznego rozumowania przestrzennego i architektonicznego jego rezultaty pozostają na poziomie podstawowym.

Wnioski dla ekosystemu xAI i inżynierów oprogramowania

Premiera Grok 4.7 stanowi ważny punkt zwrotny w dyskusji o ewaluacji systemów sztucznej inteligencji. Okno kontekstowe sięgające 500 000 tokenów to parametr solidny, jednak dwukrotnie mniejszy niż 1 050 000 tokenów oferowane przez GPT-6 Sol. Przede wszystkim jednak przypadek nowego modelu xAI uwypuklił niebezpieczeństwo oceniania opłacalności systemów AI wyłącznie przez pryzmat cennika jednostkowego za milion tokenów.

Dla zespołów inżynierskich budujących autonomicznych agentów kluczowym wskaźnikiem staje się całkowity koszt zamknięcia procesu (cost per task). Grok 4.7, uzyskując 46 punktów w Artificial Analysis Intelligence Index przy koszcie 3,74 dolara za zadanie, stawia pod znakiem zapytania opłacalność masowych wdrożeń produkcyjnych. Dopóki xAI nie ograniczy nadmiarowości generowanego tekstu poprzez skuteczniejszy pruning i destylację fazy wnioskowania, model ten pozostanie rozwiązaniem trudnym do ekonomicznego uzasadnienia w starciu z bardziej zdyscyplinowanymi konkurentami.