Grok 4.7: consume 196% más tokens por tarea que GPT-6 Astra

Grok 4.7 de SpaceXAI: código más barato por token, pero más caro por tarea

Grok 4.7 es el nuevo modelo de SpaceXAI (la división de IA de SpaceX) para programación y trabajo de conocimiento, lanzado el 21 de septiembre de 2026 con un precio idéntico al de su antecesor: US$2 por millón de tokens de entrada y US$6 por millón de tokens de salida. Para una startup que evalúa qué modelo usar en flujos agenticos (es decir, agentes de IA que ejecutan tareas de varios pasos de forma autónoma), esa cifra sugiere una ganga: cuesta la mitad que GPT-5.6 Sol y una quinta parte que Claude Fable 5.1 en lista. Pero el número que importa para el ROI no es el del precio de lista, sino el del coste por tarea completada — y ahí Grok 4.7 arranca en desventaja.

Por qué el precio de lista puede engañar

Mantener el precio de Grok 4.6 es la apuesta central de SpaceXAI. La propia empresa lo presenta como "el doble de rápido a la mitad de precio que modelos comparables". En la tabla publicada por VentureBeat, Grok 4.7 aparece entre los modelos más accesibles del mercado: US$2/US$6 por millón de tokens en el tramo de hasta 200K tokens de contexto, US$4/US$12 por encima de ese umbral, y un variante "Fast" al doble de precio disponible en Cursor. Frente a Claude Opus 5 (US$5/US$25) o GPT-5.6 Sol (US$2/US$12), el papel aguanta.

El problema es que una API barata no significa una tarea barata. Cuando el modelo debe encadenar razonamiento, llamadas a herramientas y loops agenticos durante horas, el precio por millón de tokens se diluye entre el volumen total consumido. Y según las pruebas independientes de Artificial Analysis, Grok 4.7 consume muchos más tokens que sus rivales para llegar a una respuesta.

Tokens consumidos: la cifra que cambia el cálculo

Artificial Analysis evaluó Grok 4.7 en su ajuste de razonamiento "xHigh" y midió el consumo de tokens de salida por tarea del Intelligence Index:

• Grok 4.7 xHigh: aproximadamente 81.000 tokens por tarea.
• Grok 4.6 High: 36.000 tokens por tarea.
• GPT-6 Astra Max: 27.000 tokens por tarea.

Eso significa 125% más tokens que Grok 4.6 y 196% más que GPT-6 Astra para resolver el mismo tipo de problema, según Artificial Analysis. Al traducirlo a dólares por tarea completada — la métrica que importa a un equipo de ingeniería — el resultado invierte la lectura del precio de lista:

• Grok 4.7 xHigh: US$3,74 por tarea.
• Grok 4.7 High: US$2,73 por tarea.
• GPT-5.6 Sol Max: US$1,99 por tarea.

Un modelo que cobra menos por token termina siendo más caro por trabajo terminado si gasta más razonamiento para llegar al mismo resultado. La diferencia se vuelve material a escala de producción: con un workload ilustrativo de 10.000 millones de tokens de entrada y 2.000 millones de salida al mes, las tarifas de Grok 4.7 implican alrededor de US$32.000 mensuales — casi US$384.000 al año antes de fees de plataforma.

Qué mejora respecto a Grok 4.6

El lanzamiento no es solo cuestión de precio. SpaceXAI entrenó Grok 4.7 con un base model más grande, una corrida de reinforcement learning más larga y un mix de tareas orientado a problemas que toman varias horas. Las ganancias en benchmarks reportadas son notables:

• Terminal-Bench 4.0: 38,0% (vs 20,3% de Grok 4.6).
• EEBench: 64,0% (vs 53,0%).
• CursorBench 4.0: 46,3% (vs 40,4%).
• DeepSWE v1.1: 71,0% (vs 65,2%).
• HealthBench Professional: 56,7% (vs 48,5%).
• Harvey Legal Agent Benchmark: 19,6% (vs 15,8%).
• GDPval: 1.695 Elo (vs 1.605).
• AA Briefcase v1.1: 1.657 Elo (vs 1.546).

Aun así, el modelo queda por debajo de los rivales estadounidenses en varias pruebas clave. Artificial Analysis mide a Grok 4.7 en Terminal-Bench en alrededor de 26%, muy lejos del 59,6% de GPT-6 Astra xHigh y del 49% de Claude Opus 5 al máximo esfuerzo. En CursorBench, el 46,3% de Grok 4.7 está por debajo del 51,8% de Claude Fable 5.1 Max. En HealthBench Professional, el 56,7% queda detrás del 60,5% de GPT-5.6 Sol y del 62,1% de Fable 5.1.

Para cargas agenticas largas, donde el modelo debe verificar su propio trabajo y sostener contexto, los números importan menos que la eficiencia: más tokens por tarea es un lastre aunque el precio unitario sea bajo.

SpaceXAI ya controla la cadena completa

Grok 4.7 llega en un momento singular para SpaceXAI: la compañía cerró en agosto la adquisición de Cursor (matriz Anysphere) por US$60.000 millones en acciones, según reportó Reuters. Cursor es ahora la interfaz por defecto para los modelos de SpaceXAI en planes Pro y superiores, y la disponibilidad de Grok 4.7 está concentrada en Cursor, Grok Build y la API de xAI.

La integración va más allá del front-end: en abril, Cursor anunció acceso a la infraestructura Colossus de SpaceXAI para entrenar sus propios modelos, incluido su agente Composer. La jugada vertical — modelo + plataforma de desarrollo + cómputo — coloca a SpaceXAI en una posición parecida a la de OpenAI con ChatGPT o Anthropic con Claude Code, pero con una estructura de costes por token más agresiva.

La contracara es que OpenAI notificó a SpaceX el 28 de agosto de 2026 su intención de terminar el contrato que provee modelos a Cursor, con corte previsto para el 12 de noviembre de 2026, según CIOL. La medida, que OpenAI justificó por cláusulas contractuales tras el cambio de control, acelera la migración de Cursor hacia modelos propios de SpaceXAI — Grok 4.7 incluido.

Qué significa esto para tu startup

El precio por token ya no es la métrica correcta para elegir modelo agentico. Tres acciones concretas que puedes tomar esta semana:

1. Mide coste por tarea completada, no por millón de tokens. Reproduce un workload representativo (un ticket, una migración, un test suite) en Grok 4.7, GPT-5.6 Sol y Claude Opus 5, y registra tokens totales consumidos, latencia, reintentos e intervenciones humanas. Multiplica por la tarifa efectiva y compara el coste real por entrega útil. La diferencia entre US$1,99 y US$3,74 por tarea de Artificial Analysis puede cambiar tu factura mensual aunque la lista diga lo contrario.

2. Evalúa el modo Fast frente al estándar si trabajas con Cursor. Cursor ofrece Grok 4.7 Fast a 2x el precio del estándar (US$4/US$12) sin publicar un throughput exacto. Si el modo Fast reduce los tokens de razonamiento por tarea — algo que solo puedes medir en tu propio workload — puede terminar siendo más barato que el estándar. Si no los reduce, estás pagando doble sin beneficio.

3. Mantente en el tramo bajo de 200K tokens. Grok 4.7 cobra US$2/US$6 hasta 200K de contexto y duplica por encima. Si tu flujo permite fragmentar el contexto (por ejemplo, con RAG — Generación Aumentada por Recuperación — o resúmenes intermedios), puedes mantenerte en el tramo barato y reducir el impacto del mayor consumo por tarea.

Conclusión

Grok 4.7 es un lanzamiento relevante tanto por lo que no cambia — el precio — como por lo que cambia. Las ganancias en benchmarks de programación son reales (Terminal-Bench casi se duplica), pero el modelo sigue detrás de GPT-6 Astra y Claude Opus 5 en las pruebas más exigentes. Y su mayor consumo de tokens de razonamiento por tarea invierte la ventaja de precio: la API es barata, el trabajo terminado no lo es tanto. Para founders y equipos de ingeniería, el ejercicio de esta semana no es comparar hojas de tarifas: es medir dólares por tarea en el propio stack antes de comprometer presupuesto de infraestructura con un modelo que todavía tiene que demostrar eficiencia en producción.

Fuentes

• VentureBeat — Grok 4.7 pairs coding gains with the same affordable pricing (fuente original)
• Artificial Analysis — Benchmarking Grok 4.7
• Artificial Analysis — Grok 4.7 vs GPT-5.6 Sol comparison
• xAI — Grok 4.7 release notes
• xAI — Grok 4.7 pricing docs
• OfficeChai — SpaceXAI Launches Grok 4.7
• Developer Tech — SpaceXAI Grok 4.7 targets coding at reduced token cost
• IBTimes — SpaceX To Acquire AI Coding Startup Anysphere In $60 Billion Deal
• TechRepublic — SpaceX to Acquire Cursor in $60B Stock Deal
• CIOL — Why OpenAI Is Cutting Cursor Off From Its AI Models After SpaceX Acquisition