Gemini 4 Carbon vs. Grok 4.7: Die Preisliste sagt 3x, die Rechnung sagt nichts

Gemini 4 Carbon kostet laut Preisliste 10 US-Dollar pro Million Ausgabe-Tokens. Grok 4.7 liegt bei 6 US-Dollar. Bei den beiden Zahlen, die jede Preisseite fett hervorhebt, kostet Carbon zwei Drittel mehr fürs Sprechen und doppelt so viel fürs Lesen, und die naheliegende Schlussfolgerung ist, dass Grok 4.7 der Preis-Leistungs-Sieger ist. Misst man dann, was eine abgeschlossene Aufgabe kostet, liegen die beiden Modelle nur einen Cent auseinander: 7,76 US-Dollar für Gemini 4 Carbon gegenüber 7,77 US-Dollar für Grok 4.7 im Intelligence Index von Artificial Analysis. Gleiche Rechnung, 25 Indexpunkte Leistungsfähigkeit Unterschied zwischen ihnen. Das ist das ganze Argument dieses Vergleichs, und keiner der beiden Tarifkarten kann es zeigen.

Der Zeitpunkt ist entscheidend dafür, wie man den Rest liest. Gemini 4 Carbon wurde am 10. November 2026 über die kostenpflichtige Gemini API aufrufbar – zwölf Tage, nachdem Google es einem geschlossenen Kreis vorgestellt hatte. Grok 4.7 wurde am 21. September 2026 von xAI veröffentlicht und ist seitdem routbar. Das eine ist seit einer Woche öffentlich verfügbar; das andere blickt auf sieben Wochen Produktionseinsatz zurück.

Zwei Tarifkarten, die weiter auseinanderzuliegen scheinen, als sie es tatsächlich tun

Beginnen wir mit der Rohstruktur, denn bei der Staffelung weichen die beiden in der Praxis voneinander ab.

Ausgabepreis — Carbon 10 $ pro Million bis 30. November 2026, danach 20 $. Grok 4.7 6 $ pro Million unter 200.000 Eingabe-Tokens, danach 12 $.

• Eingabepreis — Carbon 2 $, ab dem 1. Dezember dann 4 $. Grok 4.7: 2 $, oberhalb der 200k-Grenze dann 4 $. Identische Struktur, identische Zahlen, andere Datumsangaben.

• Zwischengespeicherte Eingabe — Carbon 0,10 $ pro Million jetzt, 0,20 $ ab dem 1. Dezember, nur implizites Caching. Grok 4.7 0,50 $, steigt bei langen Prompts auf 1,00 $, mit 75 % Rabatt auf den Frischpreis.

• Kontext — Carbon 1.048.576 Token. Grok 4.7 500.000. Carbon hat das größere Fenster um den Faktor zwei.

• {{1}}Ausgabegrenze{{/1}} — Carbon 65.536 Token synchron, bis zu 1.048.576 mit langem Decode. {{2}}Grok 4.7 bis zu 450.000.{{/2}} In der Praxis {{3}}schreibt Grok in einem einzigen Aufruf längere Antworten als Carbon standardmäßig.{{/3}}

• Eingabemodalität — Carbon akzeptiert Text, Bild, Audio, Video und PDF. Grok 4.7 akzeptiert Text, Bild und Datei.

• Gewichte — beide geschlossen. Keines von beiden kann selbst gehostet werden, daher tragen beide dieselbe Anbieterrisiko-Exposition.

• Reasoning-Aufwand — Carbon Thinking bei niedrig, mittel und hoch; Grok 4.7 bei niedrig, hoch und xhoch. Veröffentlichte Zahlen werden jeweils bei hoch bzw. xhoch angegeben; das ist das Erste, was vor dem Übernehmen eines beliebigen Headline-Scores zu prüfen ist.

Zwei Asymmetrien in dieser Liste sind wirklich ausschlaggebend. Carbons Kontextfenster von 1M ist doppelt so groß wie das von Grok, was bei Arbeit über gesamte Repositories oder mehrere Dokumente hinweg wichtig ist. Groks Ausgabeobergrenze von 450K ist siebenmal so hoch wie Carbons synchrone Grenze, was wichtig ist, wenn das Ergebnis selbst lang ist – ein generierter Bericht, eine migrierte Datei, eine lange Patch-Serie. Ein Modell, das eine Million Tokens Eingabe aufnehmen, aber nur 65K zurückschreiben kann, ist kein Modell für lange Ausgaben, egal wie das Kontextfenster auf einem Datenblatt aussieht.

Die Zahl, die die beiden Preise abgleicht

Artificial Analysis misst beide Modelle auf demselben Index aus neun Evaluierungen, Version v5.0.1, und veröffentlicht Kosten pro Indexaufgabe, in die einfließt, wie viele Tokens jedes Modell tatsächlich für die Erledigung der Aufgabe aufwendet. Diese Messung ist der Grund, warum dieser Vergleich nicht so ausfällt, wie es die Preisliste nahelegt.

• Intelligenz-Index — Gemini 4 Carbon 60 bei hohem Aufwand, Vierter von 74. Grok 4.7 35 bei xhigh, einundvierzigster von 74. Carbon erreicht mit mittlerer und niedriger Einstellung 58 bzw. 54; Grok kommt mit hoher und niedriger Einstellung auf 35 bzw. 31.

• Kosten pro Indexierungsaufgabe — Carbon 7,76 $, Grok 7,77 $. Ein Cent Unterschied, zugunsten des teureren Modells.

• Ausgabe-Tokens im Index — Carbon 205 Millionen, Grok 148 Millionen, gegenüber einem Median von 72,8 Millionen.

• Zeit pro Indexierungsaufgabe — Carbon 25,6 Minuten, Grok 25,9 Minuten. Erneut gleichauf.

• Ausgabegeschwindigkeit — Carbon 80 Token pro Sekunde, Grok 67. Carbon ist der schnellere Generator, obwohl er der teurere ist.

• {{1}}Zeit bis zum ersten Antwort-Token{{/1}} — Carbon 66,85 Sekunden, Grok 53,64 Sekunden. Beide liegen weit außerhalb des Medians von 12 Sekunden für ihre Preisklasse, und Grok startet von den beiden schneller.

Die Versöhnung ist Weitschweifigkeit, nicht Rabatt. Carbon erzeugt pro Aufgabe 39 % mehr Ausgabe-Tokens als Grok, und sein Ausgabepreis ist 67 % höher, doch die Gesamtkosten pro Aufgabe liegen innerhalb eines Cents, weil Groks Token-Preis nicht der einzige Faktor in der Rechnung ist — Eingabevolumen, Reasoning-Tokens und die aufgabenbezogene Struktur tragen alle dazu bei. Wie auch immer die genaue Aufschlüsselung aussieht, die praktische Lesart ist die, die jede Neuberechnung überstehen würde: Ein Vergleich pro Token zwischen diesen beiden Modellen verrät fast nichts darüber, was eine Workload kostet, und die angegebenen Preise der beiden Anbieter unterscheiden sich stärker, als es ihre gemessenen Kosten pro Ergebnis tun.

Fünfundzwanzig Punkte sind nicht überall fünfundzwanzig Punkte.

Eine zusammengesetzte Lücke dieser Größe übersteht üblicherweise die Zerlegung; die Frage ist, wo sie es tut und wo nicht. Drei Vorbehalte, bevor jemand mit 60 gegenüber 35 rechnet.

Der erste Punkt ist der Aufwand. Carbon steht bei 60 mit hohem Aufwand, Grok bei 35 mit xhigh. Beides sind die bevorzugten Einstellungen der Anbieter und keine aufeinander abgestimmten; der Vergleich erfolgt also zwischen jedem Modell so, wie sein Hersteller es vorgesehen hat, und nicht bei gleichem Rechenaufwand. Senkt man eines von beiden herunter, verengt oder erweitert sich die Lücke, je nachdem, welches Ende man bewegt: Carbon bei low ist 54, Grok bei low ist 31.

Der zweite Punkt ist, dass der v5.0.1-Index aus neun zusammengeführten Evaluierungen besteht und die Übersicht für keines der beiden Modelle Einzelwerte je Benchmark veröffentlicht – in jedem Unterdiagramm auf beiden Seiten steht „Keine öffentlich verfügbare API“. Die ehrliche Aussage lautet also, dass Carbon den Gesamtwert um 25 Punkte gewinnt und derzeit niemand außerhalb von Artificial Analysis sagen kann, welche der neun Evaluierungen diesen Vorsprung erzeugt hat. Wer eine Aufschlüsselung dieses Paars nach einzelnen Benchmarks veröffentlicht, zitiert entweder einen Anbieter oder erfindet eine.

Der dritte Punkt ist, dass der Index nur ein Instrument ist. Er ist ein gutes Instrument, kürzlich überarbeitet und konsistent auf beide Modelle angewendet, aber er ist keine Produktentscheidung. Ein Modell, das 25 zusammengesetzte Punkte verliert, kann die Aufgabe, die Sie haben, trotzdem gewinnen, und die nächsten beiden Abschnitte behandeln die Fälle, in denen das der Fall ist.

Wo Grok 4.7 klar gewinnt

Drei davon, und das erste ist kein Benchmark.

Reife. Grok 4.7 ist seit sieben Wochen allgemein verfügbar. Gemini 4 Carbon ist seit einem Tag abrufbar – nach einem Rollout, der sich innerhalb von zwei Wochen zweimal verändert hat: angekündigt mit Zugangsbeschränkung am 28. Oktober, kostenpflichtige API am 10. November, Preisverdopplung am 1. Dezember. Ein Team, das ein Modell braucht, das im nächsten Quartal noch dasselbe ist, hat in diesem Moment genau eine Option in diesem Paar mit einer nachweislichen Erfolgsbilanz.

Lange Ausgabe in einem einzigen Aufruf. 450.000 Tokens gegenüber 65.536 synchron. Wenn die Aufgabe „die ganze Datei schreiben“ statt „die Frage beantworten“ lautet, entscheidet die Obergrenze darüber, bevor es der Index tut.

Kostensicherheit bei langen Prompts, wenn Ihre Eingabe klein ist. Groks Preisstufe von $4/$12 greift erst oberhalb von 200.000 Eingabe-Tokens, und unterhalb dieser Grenze ist sein Ausgabepreis von $6 ein Drittel von Carbons $20 nach Dezember. Für eine Arbeitslast mit moderater Eingabe und hoher Ausgabe — Zusammenfassung, Textentwurf, Transformation — spricht die Rechnung tatsächlich für Grok, und die nahezu identischen Kosten pro Indexaufgabe sind eine Aussage über diese bestimmte Mischung aus neun Bewertungen, kein universelles Gesetz.

Dagegen sind Groks gecachte Eingaben mit 0,50 Dollar pro Million fünfmal so teuer wie Carbons aktuelle 0,10 Dollar. Für eine RAG-Pipeline, die bei jedem Aufruf denselben Korpus von 100.000 Token erneut sendet, kann diese eine Zeile alles oben Genannte aufwiegen. Das ist der häufigste Weg, wie ein Team von diesen beiden das falsche Modell wählt: Es vergleicht die Ausgabepreise und berechnet nie die Cache-Ökonomie für das eigene Traffic-Muster.

Wo Carbon sein Geld wert ist

Die Argumente für Carbon sind enger gefasst, als es sein Index-Score nahelegt, und stärker, als sein Preis vermuten lässt.

Multimodale Eingabe. Audio- und Videoeingabe sind die klarste Trennlinie in diesem gesamten Vergleich. Carbon nimmt beides auf; Grok 4.7 listet keines von beiden. Eine Pipeline, die eine Bildschirmaufzeichnung ansehen oder einen Anruf transkribieren und darüber schlussfolgern muss, hat hier genau einen Kandidaten, und keine Menge an Indexpunkten schließt diese Lücke.

Cyber- und Schwachstellenarbeit. Google hat Carbon dafür entwickelt, die erste Veröffentlichung auf Cyber-Verteidiger beschränkt und meldet SEC-bench Pro mit 88,2 %, ExploitGym mit 54,8 % und CWE-bench mit 71,0 % – alles herstellerseitig berichtet und nicht reproduziert, aber die Richtung ist konsistent mit dem angegebenen Zweck des Modells und mit der Tatsache, dass Google es lieber an Verteidiger als an Entwickler herausgab. xAI erhebt für Grok 4.7 keine vergleichbare Cyber-Behauptung.

Kontext für das gesamte Repository. Ein 1M-Fenster gegenüber 500K. Die doppelte Obergrenze ist ein echter Unterschied für Aufgaben im Monorepo-Maßstab, und im speziellen Fall „den gesamten Dienst im Kontext zu halten und darüber zu schlussfolgern“, kann Grok nicht mithalten.

Und ein ehrliches Gegengewicht: Carbons Vorteil wird mit Latenz erkauft. Mit 66,85 Sekunden bis zum ersten Token und 25,6 Minuten pro Indexierungsaufgabe ist es kein Modell, das man ohne erhebliche Geduld hinter eine Request-Response-Schnittstelle setzen sollte. Grok mit 53,64 Sekunden ebenso wenig. Wenn Ihr Produkt Antwortzeiten unter 10 Sekunden benötigt, steht dieser Vergleich zwischen zwei Modellen, die beide verlieren, und die Antwort ist ein kleineres, schnelleres Modell auf der einen oder anderen Seite.

Wenn man beides ausführt, welche ist dann die eigentliche Antwort?

Der Grund, warum dieser Vergleich kein klares Urteil zulässt, ist, dass die beiden Modelle für unterschiedliche Phasen derselben Pipeline ausgelegt sind. Carbon für den Eingangsbereich, wo Modalität und Kontext dominieren und das Volumen gering ist. Grok für den Bereich mit langen Ausgaben, wo die Aufgabe darin besteht, aus einem begrenzten Prompt viel Text zu erzeugen, und wo eine Ausgaberate von 6 $ eine von 20 $ schlägt. Die meisten Teams, die eines von beiden brauchen, brauchen beide, und der Fehler besteht darin, zwei Verträge, zwei SDKs und zwei Abrechnungsbeziehungen abzuschließen, um sie zu bekommen.

Ein OpenAI-kompatibler Endpoint ist die Abkürzung, und er ist heute für die routbare Hälfte dieses Paars verfügbar: grok/grok-4.7 liegt auf OrcaRouter zu xAIs eigenen $2/$6 — derselbe Listenpreis, mit 0 % Aufschlag durchgereicht, einschließlich der $4/$12-Stufe oberhalb von 200.000 Input-Tokens — neben google/gemini-4-argon zu $2/$10 für die Arbeit auf der Gemini-Seite, die Carbons Modalitätsset nicht benötigt. Gemini 4 Carbon selbst ist nicht im Katalog; es wird über Googles kostenpflichtige API erreicht, und dieser Teil der Pipeline ist eine direkte Integration.

Die Routing-DSL ist der Teil, der die Aufteilung praktikabel statt nur erstrebenswert macht: Dieselbe Anfrage kann so zusammengesetzt werden, dass sie den günstigen Pfad versucht und bei einem Validierungsfehler eskaliert, mit automatischem Failover, falls die Leistung eines Anbieters nachlässt. Das ist hier wichtiger als üblich, weil das teure Modell in diesem Paar seine Zugangsbedingungen innerhalb von vierzehn Tagen zweimal geändert hat. Eine Pipeline, die einen Zweig ohne ein erneutes Deployment auf ein anderes Modell verschieben kann, ist die einzige Version dieser Architektur, die die Roadmap ihres eigenen Anbieters überlebt.

Wähle anhand der Einschränkung, die du tatsächlich hast.

• Wenn das Deliverable eine lange Ausgabe aus einem begrenzten Prompt ist — Grok 4.7, und prüfen Sie zuerst Ihr Cache-Volumen.

• Wenn die Eingabe Audio, Video oder gescannte PDFs enthält – Carbon, da es in diesem Paar keine Alternative gibt.

• Wenn es sich bei der Aufgabe um Sicherheitsanalyse oder Schwachstellen-Triage handelt – Carbon, gestützt auf Googles gemeldete Cyber-Kennzahlen und die eigene Gating-Entscheidung des Unternehmens, mit dem Vorbehalt, dass keine dieser Zahlen unabhängig reproduziert wurde.

• Wenn Sie das gesamte Repository im Kontext benötigen – Carbons 1M-Fenster, unter Inkaufnahme der Latenz.

• Wenn Sie ein Modell brauchen, dessen Bedingungen sich nächsten Monat nicht ändern — Grok 4.7, und das ist ein stärkeres Argument, als es klingt.

• Wenn Sie sich nicht entscheiden können, führen Sie beide aus. Die gemessenen Kosten pro Aufgabe liegen unter einem Cent, sodass ein zweiwöchiger Vergleichstest ungefähr so viel kostet wie ein einzelnes Modell und eine bessere Antwort liefert als jede zusammengesetzte Bewertung.

Was keine dieser Listen Ihnen sagen kann, ist, welches Modell intelligenter ist, denn „intelligenter“ ist in diesem Abstand die falsche Größe. Fünfundzwanzig Indexpunkte sind ein großer Abstand, richtig gemessen, und dennoch bleibt das auf dem Papier günstigere Modell bei den Kosten pro Ergebnis gleichauf und bei Ausgabemaximum, Reife und Zeit bis zum ersten Token vorn. Das ist kein Widerspruch in den Benchmarks. Es ist das, was passiert, wenn zwei Modelle für unterschiedliche Aufgaben gebaut und mit demselben Wort vermarktet werden.