Gemini 4 Carbon vs Grok 4.7: De prijslijst zegt 3x, de factuur zegt niets

Gemini 4 Carbon staat voor $10 per miljoen outputtokens. Grok 4.7 staat op $6. Op de twee getallen die elke prijspagina vetgedrukt zet, kost Carbon twee derde meer om te praten en twee keer zoveel om te lezen, en de voor de hand liggende conclusie is dat Grok 4.7 de voordeligste keuze is. Maar meet je wat een afgeronde taak kost, dan komen de twee modellen op één cent na overeen: $7.76 voor Gemini 4 Carbon tegenover $7.77 voor Grok 4.7 op de Intelligence Index van Artificial Analysis. Dezelfde rekening, maar vijfentwintig indexpunten aan capaciteit ertussen. Dat is het hele argument van deze vergelijking, en dat is er een die de tariefkaart van geen van beide leveranciers je kan laten zien.

De timing is van belang voor hoe je de rest leest. Gemini 4 Carbon werd op 10 november 2026 aanroepbaar op de betaalde Gemini API, twaalf dagen nadat Google het aan een gesloten cohort had aangekondigd. Grok 4.7 werd op 21 september 2026 uitgebracht door xAI en is sindsdien routeerbaar. De ene is een week oud in handen van het publiek; de andere heeft zeven weken productiegebruik achter zich.

Twee tariefkaarten die verder uit elkaar lijken te liggen dan ze in werkelijkheid zijn

Begin met de ruwe structuur, want de laagindeling is waar de twee in de praktijk uiteenlopen.

Outputprijs — Carbon $10 per miljoen tot 30 november 2026, daarna $20. Grok 4.7 $6 per miljoen onder 200.000 invoertokens, daarna $12.

• Invoerprijs — Carbon $2, daarna $4 vanaf 1 december. Grok 4.7 $2, stijgt naar $4 boven de 200k-grens. Identieke structuur, identieke getallen, verschillende datums eraan gekoppeld.

• Gecachte invoer — Carbon $0,10 per miljoen nu, $0,20 na 1 december, alleen impliciete caching. Grok 4.7 $0,50, stijgt naar $1,00 bij lange prompts, met 75% korting op het tarief voor verse invoer.

• Context — Carbon 1.048.576 tokens. Grok 4.7 500.000. Carbon heeft een venster dat twee keer zo groot is.

• Uitvoerplafond — Carbon 65.536 tokens synchroon, tot 1.048.576 met lange decode. Grok 4.7 tot 450.000. In de praktijk schrijft Grok langere antwoorden in één enkele aanroep dan Carbon standaard doet.

• Invoermodaliteit — Carbon accepteert tekst, afbeelding, audio, video en PDF. Grok 4.7 accepteert tekst, afbeelding en bestand.

• Weights — beide gesloten. Geen van beide kan zelf worden gehost, dus beide dragen hetzelfde leveranciersrisico.

• Redeneerinspanning — Carbon thinking op laag, gemiddeld en hoog; Grok 4.7 op laag, hoog en xhigh. Gepubliceerde cijfers worden respectievelijk bij hoog en xhigh vermeld; dat is het eerste om te controleren voordat je een headlinescore overneemt.

Twee asymmetrieën in die lijst doen er echt toe. De context van 1M van Carbon is twee keer zo groot als die van Grok, wat van belang is voor werk met hele repositories of meerdere documenten. Het uitvoerplafond van 450K van Grok is zeven keer zo hoog als de synchrone limiet van Carbon, wat van belang is als het op te leveren resultaat zelf lang is — een gegenereerd rapport, een gemigreerd bestand, een lange reeks patches. Een model dat een miljoen tokens aan invoer kan bevatten maar er slechts 65K kan terugschrijven, is geen model voor lange uitvoer, hoe de contextwindow er ook uitziet op een specificatieblad.

Het getal dat de twee prijzen met elkaar in overeenstemming brengt

Artificial Analysis meet beide modellen op dezelfde index van negen evaluaties, versie v5.0.1, en publiceert een kostprijs per indextaak waarin is meegenomen hoeveel tokens elk model daadwerkelijk verbruikt om het werk af te ronden. Die meting is de reden dat deze vergelijking niet verloopt zoals de tariefkaart doet vermoeden.

• Intelligence Index — Gemini 4 Carbon 60 bij hoge inspanning, vierde van 74. Grok 4.7 35 bij xhigh, eenenveertigste van 74. De medium- en lage instellingen van Carbon scoren 58 en 54; de hoge en lage instellingen van Grok komen beide uit op respectievelijk 35 en 31.

• Kosten per indextaak — Carbon $7,76, Grok $7,77. Eén cent verschil, in het voordeel van het duurdere model.

• Uitvoertokens op de index — Carbon 205 miljoen, Grok 148 miljoen, tegenover een mediaan van 72,8 miljoen.

• Tijd per indextaak — Carbon 25,6 minuten, Grok 25,9 minuten. Opnieuw gelijk.

• Uitvoersnelheid — Carbon 80 tokens per seconde, Grok 67. Carbon is de snellere generator, ondanks dat die de duurdere is.

• Tijd tot eerste antwoordtoken — Carbon 66,85 seconden, Grok 53,64 seconden. Beide liggen ver buiten de mediaan van 12 seconden voor hun prijsklasse, en Grok begint van de twee het snelst.

De verklaring is breedsprakigheid, niet korting. Carbon genereert per taak 39% meer outputtokens dan Grok, en de outputprijs is 67% hoger, toch blijven de totale taakkosten binnen één cent omdat de tokenprijs van Grok niet de enige factor in de rekening is — inputvolume, redeneertokens en de vorm per taak dragen allemaal bij. Wat de exacte ontleding ook is, de praktische lezing is degene die elke herberekening zou doorstaan: een vergelijking per token tussen deze twee modellen zegt vrijwel niets over wat een workload kost, en de headlineprijzen van de twee leveranciers verschillen onderling meer dan hun gemeten kosten per uitkomst.

Vijfentwintig punten is niet overal vijfentwintig punten

Een samengestelde kloof van deze omvang overleeft doorgaans de decompositie; de vraag is waar wel en waar niet. Drie kanttekeningen voordat iemand op 60-tegen-35 begroot.

Het eerste is inspanning. Carbon staat op 60 bij hoge inspanning, Grok op 35 bij xhigh. Beide zijn de voorkeursinstellingen van de leveranciers in plaats van op elkaar afgestemde instellingen, dus de vergelijking is tussen elk model zoals de maker het bedoelt, niet bij gelijke compute. Zet je een van beide lager, dan wordt de kloof kleiner of groter, afhankelijk van welk uiteinde je verplaatst: Carbon op low is 54, Grok op low is 31.

Het tweede is dat de v5.0.1-index een samenvoeging van negen evaluaties is, en dat het scorebord voor geen van beide modellen scores per benchmark publiceert — elke subgrafiek op beide pagina's vermeldt "Geen openbaar beschikbare API." De eerlijke constatering is dus dat Carbon de samengestelde score met 25 punten wint en dat niemand buiten Artificial Analysis momenteel kan zeggen welke van de negen evaluaties die marge heeft opgeleverd. Iedereen die een uitsplitsing per benchmark van dit tweetal publiceert, citeert ofwel een leverancier of verzint er een.

Het derde is dat de index één instrument is. Het is een goed instrument, onlangs herzien en consistent toegepast op beide modellen, maar het is geen productbeslissing. Een model dat 25 samengestelde punten verliest, kan nog steeds de taak die je hebt winnen, en de volgende twee secties gaan over de gevallen waarin dat gebeurt.

Waar Grok 4.7 ronduit wint

Drie ervan, en de eerste is geen benchmark.

Volwassenheid. Grok 4.7 is al zeven weken algemeen beschikbaar. Gemini 4 Carbon is pas één dag aanroepbaar na een uitrol die in twee weken twee keer van opzet veranderde — besloten aankondiging op 28 oktober, betaalde API op 10 november, prijsverdubbeling op 1 december. Een team dat een model nodig heeft dat volgend kwartaal nog hetzelfde is, heeft op dit moment precies één optie in dit tweetal met een bewezen staat van dienst.

Lange output in één aanroep. 450.000 tokens tegenover 65.536 synchroon. Als de taak "het hele bestand schrijven" is in plaats van "de vraag beantwoorden", beslist het plafond daarover voordat de index dat doet.

Kostenzekerheid bij lange prompts, als je invoer klein is. Groks overstap naar $4/$12 gaat pas in boven 200.000 invoertokens, en onder die drempel is het outputtarief van $6 een derde van Carbons $20 na december. Voor een workload met matige invoer en zware uitvoer — samenvatten, opstellen, transformeren — pleit de rekensom wel voor Grok, en de vrijwel identieke kosten per indextaak zeggen iets over die specifieke mix van negen evaluaties, niet over een universele wet.

Daar staat tegenover dat de gecachte input van Grok tegen $0,50 per miljoen vijf keer zo hoog is als de huidige $0,10 van Carbon. Voor een RAG-pipeline die bij elke aanroep hetzelfde corpus van 100.000 tokens opnieuw verstuurt, kan die ene regel zwaarder wegen dan alles hierboven. Dit is de meest voorkomende manier waarop een team van deze twee het verkeerde model kiest: ze vergelijken outputtarieven en berekenen nooit de cache-economie op basis van hun eigen verkeerspatroon.

Waar Carbon het geld waard is

De argumenten voor Carbon zijn beperkter dan de indexscore aangeeft en sterker dan de prijs doet vermoeden.

Multimodale intake. Audio- en video-invoer zijn de duidelijkste scheidslijn in deze hele vergelijking. Carbon verwerkt beide; Grok 4.7 vermeldt geen van beide. Een pipeline die een schermopname moet bekijken of een gesprek moet transcriberen en erover moet redeneren, heeft hier één kandidaat, en geen enkele hoeveelheid indexpunten sluit dat gat.

Cyber- en kwetsbaarheidswerk. Google bouwde Carbon daarvoor, stelde de eerste release alleen beschikbaar aan cyberverdedigers, en rapporteert SEC-bench Pro op 88,2%, ExploitGym op 54,8% en CWE-bench op 71,0% — allemaal door de leverancier gerapporteerd en niet gereproduceerd, maar de richting is in lijn met het verklaarde doel van het model en met het feit dat Google ervoor koos het eerder aan verdedigers dan aan ontwikkelaars vrij te geven. xAI maakt geen vergelijkbare cyberclaim voor Grok 4.7.

Context voor de hele repository. Een venster van 1M tegenover 500K. Een twee keer zo hoog plafond is een echt verschil voor taken op monorepo-schaal, en in het specifieke geval van "de hele service in context houden en er dwars doorheen redeneren", kan Grok niet volgen.

En één eerlijk tegenwicht: het voordeel van Carbon wordt gekocht met latentie. Met 66,85 seconden tot het eerste token en 25,6 minuten per indextaak is het geen model om zonder aanzienlijk geduld achter een verzoek-responsinterface te zetten. Grok is dat met 53,64 seconden ook niet. Als je product responsen van minder dan 10 seconden nodig heeft, gaat deze vergelijking tussen twee modellen die beide verliezen, en is het antwoord een kleiner, sneller model aan beide kanten.

Beide uitvoeren, wat is het daadwerkelijke antwoord?

De reden dat deze onderlinge vergelijking geen eenduidig oordeel toelaat, is dat de twee modellen zijn gevormd voor verschillende fasen van dezelfde pijplijn. Carbon voor de intakekant, waar modaliteit en context domineren en het volume laag is. Grok voor de lange-outputkant, waar de taak is veel tekst te produceren op basis van een begrensde prompt, en waar een outputtarief van $6 beter is dan een van $20. De meeste teams die het een nodig hebben, hebben beide nodig, en de fout is twee contracten, twee SDK's en twee factureringsrelaties af te sluiten om ze te krijgen.

Eén OpenAI-compatibel endpoint is de snelste weg, en het is vandaag al beschikbaar voor de routeerbare helft van dit paar: grok/grok-4.7 staat op OrcaRouter tegen xAI's eigen $2/$6 — dezelfde lijstprijs, doorgegeven met 0% markup, inclusief de stap naar $4/$12 boven 200.000 inputtokens — naast google/gemini-4-argon tegen $2/$10 voor het Gemini-werk dat Carbon's modaliteitenset niet nodig heeft. Gemini 4 Carbon zelf staat niet in de catalogus; het is bereikbaar via Google's betaalde API, en dat deel van de pijplijn is een directe integratie.

De routing-DSL is het onderdeel dat de opsplitsing praktisch maakt in plaats van ambitieus: dezelfde aanvraag kan worden samengesteld om het goedkope pad te proberen en bij een validatiefout te escaleren, met automatische failover als een provider achteruitgaat. Dat is hier belangrijker dan gewoonlijk, omdat het dure model in dit paar zijn toegangsvoorwaarden twee keer in veertien dagen heeft gewijzigd. Een pipeline die een tak naar een ander model kan verplaatsen zonder redeploy is de enige versie van deze architectuur die de roadmap van zijn eigen leverancier overleeft.

Kies op basis van de beperking die je daadwerkelijk hebt

• Als de oplevering lange output is uit een begrensde prompt — Grok 4.7, controleer dan eerst je cachevolume.

• Als de invoer audio, video of gescande pdf's bevat — Carbon, omdat er in dit paar geen alternatief is.

• Als de taak beveiligingsanalyse of triage van kwetsbaarheden is — Carbon, op grond van de door Google gerapporteerde cybercijfers en de eigen gatingkeuze van het bedrijf, met de kanttekening dat geen van die cijfers onafhankelijk is gereproduceerd.

• Als je de hele repository in context nodig hebt — het 1M-venster van Carbon, waarbij je de latentie accepteert.

• Als je een model nodig hebt waarvan de voorwaarden volgende maand niet veranderen — Grok 4.7, en dit is een sterker argument dan het klinkt.

• Als je geen beslissing kunt nemen — voer beide uit. De gemeten kosten per taak liggen binnen een cent, dus een bake-off van twee weken kost ongeveer evenveel als één model, en het levert een beter antwoord op dan een samengestelde score.

Wat geen van deze lijsten je kan vertellen, is welk model slimmer is, want "slimmer" is op deze afstand de verkeerde grootheid. Vijfentwintig indexpunten is een groot verschil wanneer goed gemeten, en toch blijft het model dat op papier goedkoper is gelijk op kosten per uitkomst en voorop op uitvoerplafond, volwassenheid en tijd tot eerste token. Dat is geen tegenstrijdigheid in de benchmarks. Het is wat gebeurt wanneer twee modellen voor verschillende taken zijn gebouwd en met hetzelfde woord op de markt worden gebracht.