GPT-6 Sol vs Grok 4.7: Token Lebih Murah yang Biayanya Tiga Kali Lipat

Dua model dirilis berselang satu hari pada September 2026, dan dari harga yang tertera, keduanya tidak berdekatan. Grok 4.7 hadir pada 21 September dengan harga $2,00 per juta token input dan $6,00 per juta token output. GPT-6 Sol hadir pada 22 September dengan harga input yang sama, $2,00, dan output $10,00. Output Grok 40% lebih murah. Itulah seluruh dasar yang akan membuat sebagian besar perbandingan memilihnya, dan itu angka yang salah untuk diperhatikan.

Angka yang menentukan pasangan ini tidak ada di kedua daftar tarif. Angka itu 240 juta versus 77 juta — token output yang dihasilkan masing-masing model saat Artificial Analysis menjalankan Intelligence Index. Grok 4.7 membakar sedikit lebih dari tiga kali lipat jumlah token untuk menjawab rangkaian pertanyaan yang sama. Kalikan itu dengan tarif per token, dan model dengan output yang lebih murah justru memakan biaya $3,74 per tugas yang diselesaikan versus $1,06. Lebih murah per token, tetapi tagihannya lebih dari tiga kali lipat.

Apa sebenarnya setiap model itu

Grok 4.7 adalah penerus Grok 4.6 dari xAI, diposisikan sebagai model terkuatnya untuk coding dan pekerjaan pengetahuan, dengan jendela konteks 500.000 token, input teks dan gambar, output teks, serta upaya penalaran yang dapat dikonfigurasi pada tingkat low, medium, high, dan xhigh. xAI belum mengungkapkan jumlah parameternya. Model ini menerima batas akhir pra-pelatihan yang dilaporkan pada Juni 2026 dengan pelatihan tambahan hingga Agustus.

GPT-6 Sol adalah model GPT-6 kelas menengah OpenAI — di bawah GPT-6 Astra yang menjadi andalan, di atas GPT-6 Luna yang hemat — dengan jendela konteks 1.050.000 token, input maksimum 922.000 token, batas keluaran 128.000 token, dan batas pengetahuan 20 April 2026. Model ini menerima teks dan gambar, menghasilkan teks, dengan upaya penalaran dari none hingga max, dan OpenAI menyebut harganya permanen, bukan promosi.

Jendela konteksnya tidak berdekatan. Milik Sol kira-kira dua kali lipat. Itu penting untuk tepat satu kelas beban kerja, dan itu bukan kelas yang dijalankan kebanyakan orang.

Kartu tarif, dan baris yang membalikkannya

• Masukan — GPT-6 Sol $2.00 per juta token vs Grok 4.7 $2.00 per juta token; identik

• Keluaran — GPT-6 Sol $10,00 per juta token vs Grok 4.7 $6,00 per juta token; Grok 40% lebih murah

• Input yang di-cache — GPT-6 Sol $0,20 per juta token vs Grok 4.7 $0,50 per juta token; pembacaan cache Sol lebih murah dengan faktor dua setengah, yang merupakan kebalikan dari apa yang tersirat dari tarif output

• Penulisan cache — GPT-6 Sol $2,50 per juta token vs Grok 4.7 tarif yang tidak dipublikasikan di lembar yang sama

• Jendela konteks — GPT-6 Sol 1.050.000 token vs Grok 4.7 500.000 token

• Biaya tambahan konteks panjang — GPT-6 Sol menetapkan harga ulang untuk permintaan di atas 272.000 token masukan pada 2× tarif masukan dan cache serta 1,5× keluaran untuk seluruh permintaan, dibandingkan Grok 4.7 yang menggandakan setiap tarif pada 200.000 token masukan, juga untuk seluruh permintaan

• Batas pengetahuan — GPT-6 Sol 20 April 2026 vs Grok 4.7, batas prapelatihan yang dilaporkan adalah Juni 2026 dengan pelatihan tambahan hingga Agustus

• Tingkat upaya penalaran — GPT-6 Sol tidak ada, rendah, sedang (default), tinggi, xhigh, maks vs Grok 4.7 rendah, sedang (default), tinggi, xhigh

• Modalitas — teks dan gambar masuk, teks keluar, untuk keduanya

Baris cache adalah baris yang harus dicermati pembeli. Tarif output Grok lebih rendah, tetapi input cache-nya dua setengah kali lipat input cache Sol, dan input cache adalah tempat riwayat agen yang panjang serta prompt sistem yang berulang berada. Beban kerja yang sebagian besar membaca ulang konteks stabil yang besar akan mendapati keduanya jauh lebih berdekatan daripada yang disiratkan oleh $6 versus $10 — dan setelah rasio volume token diterapkan di atas itu, urutannya berbalik.

Mengapa 240 juta token adalah seluruh ceritanya

Artificial Analysis mengukur Grok 4.7 pada xhigh yang menghasilkan sekitar 240 juta token keluaran selama proses indeksnya, dibandingkan dengan median sekitar 88 juta untuk model-model di papan yang sama. Ringkasannya sendiri menyebut model itu "secara mencolok lambat dan sangat bertele-tele." GPT-6 Sol, yang diukur pada harness yang sama, menghasilkan 77 juta — di papan tersebut digambarkan sebagai "cukup ringkas."

Papan itu juga melaporkan konsekuensinya secara langsung. Grok 4.7 mencetak 46 pada Intelligence Index dengan biaya $3,74 per tugas. Pada pengaturan tingginya, skornya juga 46 dan biayanya $2,73 per tugas. GPT-6 Sol mencetak 48 dengan biaya $1,06 per tugas. Indeks yang sama, harness yang sama, dan perbedaan biaya dua hingga tiga setengah kali lipat yang tidak ditunjukkan oleh kartu tarif mana pun.

Dua peringatan sebelum Anda menganggap angka-angka itu sebagai perbandingan langsung yang bersih. Kedua halaman diambil pada hari yang sama, tetapi papan peringkatnya membawa total yang berbeda — halaman Grok menampilkan kelas 212 model, dan daftar Grok terpisah melaporkan peringkat dari 655 — jadi kedua skor itu tidak dijamin berada pada build indeks yang sama. Dan tidak ada angka pun yang merupakan angka vendor: Artificial Analysis menjalankan harness-nya sendiri, dan itulah intinya, tetapi pengaturan penalarannya berbeda antara kedua daftar (xhigh untuk Grok, max untuk Sol), jadi anggap kesenjangan biaya lima ratus persen sebagai temuannya dan selisih indeks dua poin sebagai perkiraan.

Apa yang dipublikasikan xAI, dan apa yang belum diperiksa siapa pun

Angka peluncuran xAI sendiri memang kuat dan, seperti semua angka peluncuran vendor, belum direproduksi. CursorBench 4.0 sebesar 46,3% pada xhigh dibandingkan 40,4% milik Grok 4.6. Terminal-Bench 4.0 sebesar 38,0% dibandingkan 20,3% — peningkatan tunggal terbesar dalam rilis ini. DeepSWE v1.1 sebesar 71,0% pada high dibandingkan 65,2%. EEBench sebesar 64,0% dibandingkan 53,0%. Itu semua adalah harness xAI, pengaturan xAI, pelaporan xAI.

Angka-angka OpenAI untuk GPT-6 Sol mengikuti pola yang sama dan layak mendapat potongan yang sama. Perbedaannya adalah Sol memiliki satu bukti independen lebih banyak daripada Grok: angka biaya per tugas Artificial Analysis, yang dihitung dari konsumsi token yang terukur, bukan dari tabel skor vendor. Itulah angka yang bertahan dalam perbandingan ini.

Yang belum diterbitkan oleh siapa pun untuk kedua model adalah perbandingan head-to-head pada tugas yang sama dengan harness yang sama dan pengaturan effort yang sama. Jika Anda melihatnya, periksa variabel mana dari ketiga variabel itu yang berubah.

Menetapkan harga sebulan trafik agen yang di-cache

Ambil beban kerja yang sebagian besar berupa konteks stabil: agen coding dengan prompt sistem 60.000 token dan ringkasan repositori, dibaca ulang pada 5.000 panggilan per bulan, masing-masing mengembalikan 4.000 token output. Asumsikan caching berfungsi dan prefiks stabil ditagih dengan tarif cache.

Pada GPT-6 Sol: 300 juta token masukan yang di-cache dengan biaya $0.20 per juta adalah $60.00. Dua puluh juta token keluaran dengan biaya $10.00 per juta adalah $200.00. Totalnya, $260.00.

Untuk Grok 4.7: 300 juta token input yang di-cache yang sama dengan $0,50 per juta adalah $150,00. Dua puluh juta token output dengan $6,00 per juta adalah $120,00. Total, $270,00.

Hampir identik — dan itu dengan volume token yang dijaga konstan, yang merupakan asumsi yang longgar. Tingkat verbositas Grok 4.7 yang terukur pada uji indeks adalah tiga kali lipat Sol. Bahkan dengan pengali 1,5× pada volume keluaran, tagihan Grok menjadi $330.00 dibandingkan $320.00 milik Sol, dan selisihnya makin melebar dari sana. Tarif keluaran yang lebih murah tidak bertahan terhadap caching ditambah verbositas; ia hampir tidak bertahan hanya dengan caching.

Tidak ada di sini yang merupakan klaim tentang harga salah satu model melalui OrcaRouter — keduanya tidak ada di katalog kami. GPT-6 Sol dapat diakses melalui API OpenAI sendiri dan Grok 4.7 melalui xAI; sisa lini Grok, termasuk Grok 4.6, dapat dirutekan melalui kami pada harga daftar xAI di bawah model pass-through. Inti dari perhitungan ini adalah bahwa aturan eskalasi yang Anda tulis harus didasarkan pada biaya per tugas yang diselesaikan pada traffic Anda sendiri, bukan pada daftar tarif — dan lapisan routing adalah yang memungkinkan Anda menguji aturan itu tanpa kontrak kedua.

Di mana masing-masing berada

• Pekerjaan agen bervolume tinggi dengan konteks yang di-cache — GPT-6 Sol. Baris input yang di-cache 2,5× lebih menguntungkan Sol, dan baris volume output bahkan lebih buruk daripada itu pada Grok, serta keduanya saling memperkuat.

• Pekerjaan coding di mana Anda menginginkan peningkatan Terminal-Bench terbitan terkuat dalam rilis ini — Grok 4.7 adalah model dengan angka tersebut, dan itu angka yang besar. Cukup anggarkan untuk tokennya, bukan tarifnya.

• Dokumen panjang di atas 500.000 token — GPT-6 Sol, dan ini bukanlah perbandingan yang ketat. Jendela Grok berakhir di titik jendela Sol baru separuh jalan.

• Jalur yang sensitif terhadap latensi — tidak keduanya. Artificial Analysis mencantumkan Grok 4.7 pada 39,2 token keluaran per detik, yang digambarkannya sebagai sangat lambat. Periksa angka kecepatan Sol sendiri di papan saat ini sebelum Anda menganggapnya lebih baik.

• Jika Anda ditunjukkan perbandingan per token yang diakhiri dengan "jadi Grok lebih murah" — itu berhenti satu langkah terlalu cepat. Langkah berikutnya adalah jumlah token.