Een titelkaart voor het artikel over de releasedatum van Grok 4.7 met de tekst 'Grok 4.7 — de vraag over de releasedatum', met de ondertitel 'Niet uitgebracht. Dit is wat xAI daadwerkelijk heeft gezegd.' en drie chips: 'Eerste training voltooid', 'SpaceX-data binnen' en 'Musk: 3–4 weken', met een onderste regel met de tekst '~2.1T parameters — bewering, geen specificatie'.
Guides & Insights

Grok 4.7 scoort 46 op de Artificial Analysis Intelligence Index en plaatst SpaceXAI in de top vier

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Grok 4.7 scoort 46 op de Artificial Analysis Intelligence Index en plaatst SpaceXAI in de top vier

Grok 4.7 is uit. SpaceXAI bracht het op maandag 21 september 2026 uit — tegen dezelfde $2 per miljoen inputtokens en $6 per miljoen outputtokens als Grok 4.6, met hetzelfde contextvenster van 500.000 tokens, een latere kennisafsluitdatum en een nieuw hoogste redeneerniveau. Het is live in Cursor en Grok Build, via de eigen API van de leverancier, en via coderingsharnassen van derden, modelrouters en cloudplatforms. Grok 4.5, van 8 juli, blijft eronder als de goedkopere optie, en de modellen die het nog moet verslaan zijn onveranderd: Claude Fable 5.1, Claude Opus 5 en GPT-5.6 Sol staan allemaal boven het op de Intelligence Index v4.3.2 van Artificial Analysis, waar de eerste onafhankelijke score van Grok 4.7 — 46 — twee punten boven Grok 4.6 en zeven onder Claude Fable 5.1 landt. Op het AA-Briefcase-board van dezelfde evaluator voor langetermijn-kenniswerk komt het op de vierde plaats, achter drie Claude-inzendingen en vóór Claude Opus 5 bij xhigh effort, tegen ongeveer de helft van de kosten per taak van Claude Opus 5 — het eerste onafhankelijke resultaat in deze release dat leest als een prijs-prestatiewinst in plaats van een kloof. Elf dagen later is het beeld aan de randen verbreed in plaats van in het midden: sinds 1 oktober wordt het uitgerold in Grok's eigen web- en mobiele apps, waar de moduskiezer het nu vermeldt bij de twee moeilijkste opties, en het staat vermeld op OrcaRouter tegen SpaceXAI's eigen $2/$6.

Dat is de lancering. De nuttigere cijfers kwamen dezelfde dag binnen, van de enige evaluator in dit verhaal die niet de leverancier is: Artificial Analysis publiceerde zijn eerste onafhankelijke beoordeling van Grok 4.7, en het is een resultaat in drie delen — een 46 op de Intelligence Index die slechts twee punten boven Grok 4.6 ligt, een 56 op de Coding Agent Index die negen punten boven die van Grok 4.6 ligt, en een 1.657 Elo op AA-Briefcase die 111 punten voorligt. Die drie cijfers wijzen in verschillende richtingen, en de spreiding ertussen is het interessantste aan deze release. Wat volgt is de uitgeleverde specificatie, de eigen benchmarktabel van de leverancier met het label dat elke rij nodig heeft, en dan de onafhankelijke scores zoals ze goed gelezen moeten worden — inclusief wat ze zeggen over het gereedheidsvoorbehoud dat SpaceXAI nooit heeft geadresseerd.

Wat SpaceXAI op 21 september uitbracht

Begin met de specificatie, want die ligt ongewoon dicht bij die van zijn voorganger. Grok 4.7 is identiek geprijsd aan Grok 4.6 — $2 per miljoen inputtokens en $6 per miljoen outputtokens onder 200.000 inputtokens, oplopend naar $4 voor input en $12 voor output zodra een verzoek die drempel overschrijdt, dezelfde structuur die Grok 4.6 introduceerde. Het contextvenster is 500.000 tokens. De kennisafsluitdatum is mei 2026, drie maanden later dan die van Grok 4.6, 1 februari 2026. De redeneerinspanning kent vier niveaus — laag, medium, hoog en xhigh — en de gepubliceerde cijfers worden bij xhigh gegeven. Een snelle variant werkt op tweemaal de outputsnelheid voor tweemaal de prijs.

Onder de motorkap beschrijft xAI drie veranderingen in plaats van een nieuwe architectuur. Het basismodel is groter dan dat van Grok 4.6. De reinforcement-learning-run was langer en kende meer gewicht toe aan taken die vele uren vergen. En het model is getraind om zijn eigen werk te verifiëren en om een lange context beter vast te houden, inclusief native begrip van de Grok Bot-harness. De eigen samenvatting van het bedrijf in één zin luidt: "twee keer zo snel, voor de helft van de prijs van vergelijkbare modellen" — een positioneringsclaim ten opzichte van rivalen in plaats van een meting, en die als zodanig gelezen moet worden.

De beschikbaarheid was al breed op dag één en is sindsdien twee keer uitgebreid. Bij de lancering: Cursor en Grok Build, de eigen API van de leverancier, coding harnesses van derden, modelrouters en cloudplatforms; SpaceXAI's eigen Grok Build-pagina zegt nu ronduit dat je "moet beginnen met bouwen met Grok 4.7". Op 28 september voegde Amazon Web Services het toe aan Amazon Bedrock met hetzelfde contextvenster van 500.000 tokens en dezelfde vier niveaus van reasoning-inspanning, aangeboden via cross-Region-inferentieprofielen, zodat het model nu bereikbaar is via de eigen catalogus van een hyperscaler en niet alleen via de API van de leverancier. Vervolgens begon het op 1 oktober uit te rollen binnen Grok's consumentenweb- en mobiele apps, en twee dagen later bevindt het zich daar nog steeds. Dat laatste verloopt ongewoon stil: SpaceXAI kondigde de equivalente stap voor Grok 4.5 aan met een blogpost getiteld "Grok 4.5 naar iOS, Android, Web en X brengen", en heeft niets gepubliceerd voor Grok 4.7, dus de verandering is zichtbaar in het product in plaats van aangekondigd. Het gebeurt server-side in plaats van meegeleverd, wat de app-vermeldingen bevestigen: zowel Grok's iOS- als Android-vermelding veranderden op 1 oktober — de App Store-build is 1.4.47, die dag uitgebracht, en de release-opmerking ervan vermeldt alleen "Verbeteringen aan Chat, Voice en Imagine", terwijl de Play-vermelding dezelfde dag werd bijgewerkt. De wijziging wordt vanaf de backend doorgevoerd in plaats van in een binary ingebouwd. Omdat de uitrol wordt gerapporteerd in plaats van gedocumenteerd, is de exacte omvang moeilijker vast te stellen dan bij de Bedrock-vermelding, waar een gedateerd AWS-bericht achter zit, en de berichtgeving is al afgedreven: de accounts die dit volgen beschrijven Grok 4.7 nu als het basismodel in alle modi — Fast, Expert, Build en Heavy — een lijst die niet overeenkomt met wat grok.com daadwerkelijk serveert. Lees het als de eigen berichtgeving van de trackers, niet als een beschrijving van de leverancier. Geselecteerde cybersecurity-partners krijgen op uitnodiging toegang tot de red-team-mogelijkheden van het model.

Eén correctie op wat dit stuk als vaststaand bleef vermelden. Het parameteraantal dat twee maanden de ronde deed — ruwweg 2,1 biljoen, ongeveer 40% boven de 1,5 biljoen van Grok 4.6 — staat nog steeds op geen enkel specificatieblad. xAI heeft geen parameteraantal voor Grok 4.7 gepubliceerd, en Artificial Analysis vermeldt de modelgrootte als niet bekendgemaakt. Het cijfer was altijd een bewering van een oprichter, en de lancering heeft er geen specificatie van gemaakt.

De benchmarktabel is van xAI zelf — hier is wat dat niet is.

Elk cijfer in de onderstaande lijst komt uit de aankondiging van de leverancier, en niets ervan is onafhankelijk gereproduceerd. Lees het met dat label erbij: dit zijn xAI's cijfers op door xAI gekozen evaluaties, gepubliceerd op de dag van release, en de eerste week van elke lancering is wanneer leveranciersbenchmarks het minst betrouwbaar zijn. De vergelijkingskolommen zijn ook van de leverancier zelf — Grok 4.6 (high), GPT-5.6 Sol (max) en Claude Fable 5.1 (max), elk uitgevoerd op het door de leverancier gekozen inspanningsniveau.

• CursorBench 4.0 — Grok 4.7 46,3%, Grok 4.6 40,4%, GPT-5.6 Sol 41,7%, Claude Fable 5.1 51,8%. Door de leverancier gerapporteerd.

• DeepSWE v1.1 — Grok 4.7 71,0% bij hoge inspanning, Grok 4.6 65,2%, GPT-5.6 Sol 72,7%, Claude Fable 5.1 70,0%. Door de leverancier gerapporteerd.

• Terminal-Bench 4.0 — Grok 4.7 37,6%, Grok 4.6 20,3%, GPT-5.6 Sol 37,3%, Claude Fable 5.1 57,9%. Door de leverancier gerapporteerd, en herzien: de Grok 4.7-regel stond op 38,0% in de tabel van de dag van de lancering en staat vandaag op 37,6% op de pagina van de leverancier.

• EEBench — Grok 4.7 64,0%, Grok 4.6 53,0%, GPT-5.6 Sol 39,4%, Claude Fable 5.1 56,4%. Door leverancier gerapporteerd.

• Harvey Legal Agent — Grok 4.7 19,6%, Grok 4.6 15,8%, GPT-5.6 Sol 2,5%, Claude Fable 5.1 6,7%. Volgens opgave van de leverancier.

• HealthBench Professional — Grok 4.7 56,7%, Grok 4.6 48,5%, GPT-5.6 Sol 60,5%, Claude Fable 5.1 62,1%. Door de leverancier gerapporteerd.

• AA Briefcase v1.1 — Grok 4.7 1.657, Grok 4.6 1.546, GPT-5.6 Sol 1.487, Claude Fable 5.1 1.678. Dit is de enige rij in de tabel die niet langer alleen van de leverancier is: het eigen AA-Briefcase-board van Artificial Analysis publiceert dezelfde 1.657 voor Grok 4.7 bij xhigh-inspanning en 1.546 voor Grok 4.6 bij high. De vergelijkingskolommen zijn nog steeds de keuze van de leverancier qua modellen en inspanningsniveaus.

• GDPval Elo — Grok 4.7 1.695, Grok 4.6 1.605, GPT-6 Astra 1.542, Claude Fable 5.1 1.735. Volgens opgave van de leverancier.

De eerlijke lezing van die set is niet "Grok 4.7 wint". Hij verslaat Grok 4.6 op alle acht, wat het minimum is dat een opvolger je verschuldigd is. Tegen het veld is het een gemengde kaart: voor op GPT-5.6 Sol bij CursorBench, Terminal-Bench en EEBench, achter op DeepSWE; achter Claude Fable 5.1 bij CursorBench, Terminal-Bench, HealthBench en beide Elo-achtige maatstaven, voor op EEBench en de Harvey-evaluatie voor juridische agenten. Het illustreert ook hoeveel van een benchmarkresultaat het inspanningsniveau is — DeepSWE's 71,0% is een getal bij hoge inspanning in een tabel die verder op xhigh wordt geciteerd.

Veiligheid is de enige plek waar de beweringen van de leverancier ongewoon specifiek zijn. xAI zegt dat Grok 4.7 is gebouwd op een volledig nieuwe beveiligingsstack en noemt het het sterkste model dat het bedrijf heeft getest op weigeringen en weerstand tegen jailbreaks. Op de biosafety-benchmark van LatchBio rapporteert het 62,4%; op HackerBench v0.3 meldt het dat 3,3% van risicovolle dual-use-prompts erdoorheen komt, terwijl legitiem beveiligingswerk zelden wordt geblokkeerd. Dat zijn door de leverancier gerapporteerde evaluaties op de eigen release van de leverancier, en geen enkele derde partij heeft ze gereproduceerd.

De eerste getallen in dit stuk die niet van de leverancier zijn, zijn de drie die Artificial Analysis op 21 september publiceerde, en ze spreken elkaar op informatieve wijze tegen. Op de Intelligence Index scoort Grok 4.7 46 bij xhigh-inspanning op de v4.3.2-schaal — zestiende op die ranglijst — tegenover 44 voor Grok 4.6. Die winst van twee punten is volgens Artificial Analysis voldoende om SpaceXAI in de top vier labs van de index te brengen. Lees de plaatsing nauwkeurig: het is een uitspraak over het beste model van een lab, niet over dit model, en het model zelf staat nog steeds vier punten onder de 50 van Claude Fable 5 en zeven onder de 53 die Claude Fable 5.1 en GPT-6 Astra delen. Een winst van twee punten valt ook binnen het bereik dat tussen inspanningniveaus van hetzelfde model voorkomt, wat eraan herinnert dat een opvolger die boven zijn voorganger scoort niet hetzelfde is als een opvolger die verandert wat mogelijk is. Nog een opmerking over het lezen van het getal: de schaalversie is van belang, omdat Artificial Analysis zijn index heeft herzien en de 61/62/63-waarden die in de meeste berichtgeving van juli en augustus voorkomen, behoren tot de buiten gebruik gestelde schaal van vóór september 2026 — ze kunnen niet met deze worden vergeleken.

De Coding Agent Index is het tweede getal, en het is het getal dat veranderde. In het eigen Grok Build-harness van SpaceXAI, met xhigh effort, scoort Grok 4.7 56 tegenover de 47 van Grok 4.6 — negen punten, niet twee — waarmee het vierde is onder de modellen die in hun eigen native harnesses zijn geëvalueerd, achter Claude Fable 5.1, GPT-6 Astra en Claude Opus 5, en voor GPT-5.6 Sol. De index is een gelijk gewogen samengestelde maatstaf van DeepSWE v1.1, Terminal-Bench 4.0 en SWE-Atlas-QnA over 303 taken, en alle drie de componenten verbeterden: DeepSWE van 65% naar 73%, Terminal-Bench van 18% naar 33%, SWE-Atlas-QnA van 58% naar 63%. Dit is het eerste onafhankelijke bewijs dat de oplossing die xAI beschreef — langere reinforcement learning, gewogen naar taken van meerdere uren — iets deed, en het is het getal dat een team dat een coding agent kiest het zwaarst zou moeten laten meewegen, omdat het wordt gemeten in de harness waarmee het model daadwerkelijk wordt geleverd, in plaats van in de eigen tabel van de leverancier.

Het voorbehoud is wat de negen punten kosten. De eigen run van Artificial Analysis genereerde 240 miljoen outputtokens op de Intelligence Index, tegenover een mediaan van 94 miljoen over de modellen die het volgt — meer dan het dubbele — en zette de kosten van het evalueren van één Indextaak op $3,74. Bij $6 per miljoen outputtokens is uitvoerigheid de kostenpost die bepaalt of een agentische loop betaalbaar is, dus een winst van negen punten die met meer dan het dubbele van de mediane output wordt gekocht, is een echte afweging in plaats van een gratis upgrade. Dezelfde meting betekent ook dat de hoofdscores niet als één oordeel moeten worden gelezen: op per-tokenbasis is het voordeel van Grok 4.7 ten opzichte van Grok 4.6 kleiner dan de indexdelta suggereert, en op de algemene-kennisevaluaties waaruit de Intelligence Index bestaat, is het bijna hetzelfde model met een aanzienlijk hogere rekening. Het AA-Briefcase-resultaat in de volgende sectie is daarop de uitzondering, en het is een grote.

The Artificial Analysis model page for Grok 4.6 (high) showing an Intelligence Index of 61 against a median of 34, pricing of $2.00 per 1M input and $6.00 per 1M output tokens, a 500K-token context window, and a released August 2026 label.

Het tweede onafhankelijke board: AA-Briefcase, en wat de halvering van de kosten per taak oplevert

Artificial Analysis publiceerde dezelfde dag een derde cijfer voor Grok 4.7, en dat is het cijfer dat betrekking heeft op kenniswerk in plaats van code. Op AA-Briefcase — zijn eigen ranglijst voor langetermijn agentisch kenniswerk, opgebouwd uit vier meerweekse projectscenario's en 91 beoordeelde deliverables — scoort Grok 4.7 bij xhigh-inspanning 1.657 Elo, vierde op de ranglijst, met alleen Anthropic-inzendingen boven zich: Claude Fable 5.1 bij maximale inspanning (1.678), Claude Opus 5 bij maximale inspanning (1.673) en Claude Fable 5.1 bij xhigh (1.669). Het staat 16 Elo achter Claude Opus 5 bij maximale inspanning en, bij xhigh, 8 Elo voor op Claude Opus 5 bij xhigh (1.649). Lees de plaatsing precies: "alleen achter Anthropic-modellen" is de formulering die Artificial Analysis zelf gebruikte, en die is accuraat — maar vierde is niet tweede, en de drie rijen erboven zijn allemaal van dezelfde leverancier.

De winst ten opzichte van de vorige generatie is de grootste individuele sprong in de release. Tegenover Grok 4.6 op high effort (1.546) wint Grok 4.7 op xhigh 111 Elo op AA-Briefcase — meer dan vijftig keer zo groot als de tweepuntswinst op de Intelligence Index. Artificial Analysis schrijft dit vrijwel volledig toe aan analytische kwaliteit: 1.994 Elo daar tegenover 1.690 voor Grok 4.6, terwijl de presentatiekwaliteit licht afneemt, 1.499 tegenover 1.519. Dat is een duidelijke signatuur: het model redeneert beter over de analyse en formatteert het eindproduct iets slechter. Dezelfde richting komt terug in de cijfers die Artificial Analysis aanhaalde voor AA-Briefcase-Lite, het publieke due-diligence-scenario dat het op Hugging Face uitbracht — analytische kwaliteit omhoog van 1.698 naar 1.994, presentatie omlaag van 1.531 naar 1.499. Twee kanttekeningen bij die vergelijking. AA-Briefcase-Lite is uitdrukkelijk demonstratief: de eigen methodologiepagina van Artificial Analysis zegt dat het publieke vijfde scenario "niet meetelt voor de officiële AA-Briefcase-resultaten." En de kwaliteitscijfers die daarvoor worden aangehaald, komen overeen met de xhigh-rijen die op het hoofdscorebord zijn gepubliceerd, dus beschouw de Lite-alinea als een illustratie van de ontwikkelingsrichting en niet als een afzonderlijk scorebord.

De kostenlijn is waar dit resultaat een beslissing verandert. De kosten-per-taakmaatstaf van AA-Briefcase is de totale kosten van het uitvoeren van de volledige inzending gedeeld door de 91 taken; als je de gepubliceerde totalen van Artificial Analysis deelt, krijg je ruwweg $9,30 per taak voor Grok 4.7 op xhigh, tegenover ruwweg $17,79 voor Claude Opus 5 op maximale inspanning — ongeveer de helft, voor een 16-Elo-verschil. In de eigen samenvatting van Artificial Analysis staat dat Grok 4.7 "net achter Opus 5 staat op ~50% van zijn kosten per taak." Dat is dezelfde afweging die de rest van dit stuk beschrijft, en die vanuit een andere richting op hetzelfde antwoord uitkomt: Grok 4.7 verslaat de frontier niet, maar onderbiedt die. Twee kanttekeningen, beide eerlijk. De tokenrekening is reëel — op AA-Briefcase-Lite raamde Artificial Analysis de API-kosten van het produceren van de voorbeelddecks op ongeveer $8 voor Grok 4.7 op xhigh, tegenover ongeveer $4,40 voor Grok 4.6 op xhigh, dus de opvolger kost voor hetzelfde werk ruwweg 80% meer dan het model dat hij vervangt. En de cijfers per taak worden berekend op basis van tokengebruik tegen lijstprijzen met een representatief cachetrefferpercentage, dus ze bewegen mee met je caching: ze vormen een model van een rekening, niet jouw rekening.

Waar Grok 4.7 zich verhoudt tot Grok 4.6 en het speelveld

• Prijs per 1M tokens — Grok 4.7 $2 in / $6 uit onder 200K input, $4/$12 daarboven; Grok 4.6 identiek.

• Contextvenster — 500.000 tokens voor beide.

• Kennisafsluitdatum — mei 2026 voor Grok 4.7 versus 1 februari 2026 voor Grok 4.6.

• Redeneerinspanning — laag / gemiddeld / hoog / xhigh voor Grok 4.7 versus de gepubliceerde niveaus van Grok 4.6.

Onafhankelijke score — 46 bij xhigh-inspanning tegenover 44, op Artificial Analysis' v4.3.2 Intelligence Index. Genoeg, zegt Artificial Analysis, om SpaceXAI in de top vier labs van de index te plaatsen.

• Onafhankelijke codeerscore — 56 tegenover 47 op de Artificial Analysis Coding Agent Index, elk model in zijn eigen native harness. Vierde onder de native-harnessmodellen, vóór GPT-5.6 Sol.

• Onafhankelijke score voor kenniswerk — 1.657 Elo bij xhigh-inspanning versus 1.546 voor Grok 4.6 bij high, op het AA-Briefcase-board van Artificial Analysis. Vierde overall, achter drie inzendingen van Anthropic en vóór Claude Opus 5 bij xhigh.

• Kosten per AA-Briefcase-taak — ongeveer $9,30 tegenover ongeveer $17,79 voor Claude Opus 5 bij maximale inspanning, op hetzelfde leaderboard. Ongeveer de helft van de rekening per taak voor een verschil van 16 Elo.

• Uitvoertokens per Index-run — 240 miljoen tegenover een mediaan van 94 miljoen bij de modellen die Artificial Analysis volgt. De verbetering is niet gratis.

• Codeerevaluatie van leveranciers — CursorBench 4.0 46,3% versus 40,4%.

• Serveersnelheid — een snelle variant met tweemaal de outputsnelheid voor tweemaal de prijs, tegenover de standaardserving van Grok 4.6.

• Veiligheid — een nieuwe veiligheidsstack, met een gerapporteerde 62,4% op LatchBio's biosafety-benchmark; Grok 4.6 werd uitgebracht zonder die bewering.

En het veld, op hetzelfde scorebord: Claude Fable 5.1 op 53, Claude Opus 5 op 51, GPT-5.6 Sol op 47, Kimi K3 op 44. Musks eigen voorspelling — dat Grok 4.7 "ongeveer op hetzelfde niveau zou moeten zitten als Opus 5.0, niet 5.1" — heeft nu een getal eronder, en dat getal is geland waar hij zei dat het zou landen: onder de frontier, niet erboven. Het gemeten verschil met Claude Fable 5.1 is zeven punten; het prijsverschil loopt de andere kant op, met Claude Fable 5.1 genoteerd op $10/$50 per miljoen tokens tegenover Grok 4.7's $2/$6 — vijf keer de inputprijs en meer dan acht keer de outputprijs. Dat is de werkelijke afweging die een team wordt gevraagd te maken, en het is een prijs-prestatieafweging, geen capaciteitswinst. AA-Briefcase is het enige bord in dit stuk waar de rangorde verandert: daar staat Grok 4.7 op xhigh voor Claude Opus 5 op xhigh, 1.657 tegen 1.649, zij het nog steeds achter Opus 5 op maximale inspanning met 1.673 en achter Claude Fable 5.1 met 1.678. Het is ook de moeite waard om de drie onafhankelijke scores naast elkaar te leggen voordat je de conclusie trekt, want ze wijzen niet dezelfde kant op: zeven punten achter op algemene intelligentie, voor op GPT-5.6 Sol op de index voor coding-agents, 111 Elo voor op zijn voorganger bij kenniswerk, en de winst wordt betaald met outputtokens. Welke van die feiten je keuze bepaalt, hangt af van of de workload een coding-agent, een kennisproduct of een chatprompt is, en dat is een nuttigere splitsing dan één enkele rang.

Wat de lekken goed hadden, en het enige dat ze niet beslechtten

De artefacten die dit stuk tot en met september volgde, waren echt, en de lancering maakt ze tot een test van wat die categorie bewijs waard is. Hier is het grootboek.

• De pull request voor de catalogus had de prijs goed. De inzending van 21 september die Grok 4.7 toevoegde aan de Zen- en Go-catalogi van een open-source agentclient — geopend om 05:36 UTC, automatisch gesloten door een compliance-bot om 07:46 UTC wegens een ontbrekende sectie in het pull request-sjabloon, nooit samengevoegd — vermeldde het model tegen de gepubliceerde tarieven van Grok 4.6. Het bleek precies te kloppen: $2/$6, ongewijzigd. Maar het mechanisme is belangrijker dan de uitkomst. De bijdrager kopieerde de tarieven van het model erboven, en dat kopiëren was toevallig de juiste gok. Dat is geluk, geen autoriteit, en de capaciteitsclaims van dezelfde pull request leverden ook geen informatie op. Een voorstel kan juist zijn en toch geen bewijs vormen.

• Het voorbereidingsspoor was echt en was niet de release. De grok-4.7-rij op de modelquotapagina van de Google Cloud Console, gemeld door communitytrackers op 16–17 september, en de gedateerde buildslug grok-4-7-0907 die opdook in een configuratiefout van Grok Bot, wezen beide op een model dat werd voorbereid. Aan geen van beide had iemand een datum gekoppeld, en geen van beide was de aankondiging. Wat ze aantonen, is dat de infrastructuur van derden klaargezet werd — wat achteraf gezien juist was en nog altijd geen tijdschema.

• Het aantal parameters is nooit bevestigd. Ongeveer 2,1 biljoen, circa 40% meer dan Grok 4.6, herhaald door Musk op 2 september — en nog steeds afwezig in elk specificatieblad bij de lancering. Dit is het duidelijkste geval in de hele saga van een getal dat wijd genoeg circuleerde om als feit te worden behandeld, terwijl er nooit een leveranciersbron voor was.

A what-we-know-so-far card for Grok 4.7 listing six rows: Status not released — in supplemental training, Model ID none — docs top out at grok-4.6, Release date none — Musk says 3–4 weeks, Parameters ~2.1T (claim, not verified), Training data SpaceX engineering corpus (reported), Benchmarks none published, with a footer reading that all figures are Musk claims or community reports and no independent scores exist.

De kaart hierboven legt de staat vóór de lancering vast zoals dit artikel die voor het laatst controleerde: geen model-ID, geen releasedatum, geen gepubliceerde benchmarks. Elke rij erop is sindsdien achterhaald door de aankondiging van 21 september, en hij wordt hier bewaard omdat de kloof tussen die kaart en het uitgebrachte model het eigenlijke verhaal van de afgelopen zes weken is — een grensverleggende lancering die tot de dag dat het werd uitgebracht geen enkele bevestigde specificatie opleverde.

• Het voorbehoud over de gereedheid is de open vraag, en daar is nu gedeeltelijk bewijs voor. Musk zei medio september dat Grok 4.7 "voortijdig afrondt" bij taken met een hoge moeilijkheidsgraad en dat de controle van zijn antwoorden "niet streng genoeg" is, wat hij toeschreef aan een te hoog ingestelde reinforcement-learningstraf voor lange antwoorden, met de nuance "mogelijk". De aankondiging van de lancering gaat er niet op in. De door xAI genoemde oplossing is indirect: langere reinforcement learning met meer gewicht voor taken van meerdere uren en betere zelfverificatie is precies de verandering die je zou doorvoeren om voortijdige beëindiging aan te pakken. Het resultaat in de Coding Agent Index is het eerste teken van buitenaf dat het effect heeft gehad — 56 tegenover 47 voor Grok 4.6, waarbij Terminal-Bench 4.0 bijna verdubbelt van 18% naar 33%, precies het uiteinde van het spectrum met een lange horizon en veel stappen. Het is geen eenduidig antwoord, want dezelfde harnasscores zijn ook de scores die hun winst kopen met veel meer outputtokens. Of het model nog steeds lange, moeilijke taken laat vallen, is testbaar door iedereen met API-toegang, en het blijft het eerste dat het testen waard is.

• Het SpaceX-corpus is nog steeds niet geverifieerd. De gerapporteerde trainingsaanvulling — Starlink-telemetrie, druklogboeken van de Raptor-verbrandingskamer, telemetrie van Starships terugkeer in de atmosfeer, interne Slack-threads, Jira-tickets, GitHub-repositories en ERP-records — is communityverslaggeving over wat Musk heeft gezegd, geen openbaarmaking door het bedrijf. De aankondiging van de lancering beschrijft een groter basismodel en een langere reinforcement-learning-run, en zegt niets over het corpus. Als het erin zit, zal geen enkel specificatieblad het bevestigen; het enige bewijs zal zijn of het model bij echt engineeringwerk iets doet wat zijn gelijken niet kunnen.

De tijdlijn die er vier keer naast zat, en wat de markt goed had

Grok 4.7 werd publiekelijk belooft, volgens vijf afzonderlijke tijdlijnen, en de eerste vier verstreken. Op 24–25 juli zei Musk ongeveer vier weken, wat neerkwam op 22 augustus. Op 12 augustus herzag hij dat naar "3 tot 4 weken", wat neerkwam op 2–9 september. Op 2 september beperkte hij het tot ongeveer tien dagen, wat op 12 september wees. Op 11 september, de dag dat die termijn verstreek, zei hij "nog een paar dagen". De vijfde was helemaal geen tijdvenster — een grok-4.7-regel op een quotapagina van Google Cloud — en die kwam het dichtst bij de waarheid: het model verscheen op 21 september, kort na de laatste datum waaraan iemand zich had gecommitteerd, en zonder dat er een datum aan het artefact dat eraan voorafging was verbonden.

De voorspellingsmarkten voorspelden de kalender correct en het model incorrect. Kalshi's "SpaceXAI brengt Grok 4.7 uit vóór 18 september?" stopte met handelen om 03:59 UTC op 18 september, nadat het voor het laatst was verhandeld tegen 65¢, goed voor 1.785 verhandelde en 1.211 openstaande contracten. Elk afgewikkeld contract op beide grote markten — Kalshi's vensters van 14, 21, 28 en 31 augustus en 4, 8 en 11 september, en Polymarket's contracten van 12 en 14 september — werd als Nee beslecht. Polymarket's "volgende Grok-model (4.7 of hoger) uitgebracht vóór 18 september?" stond op 64% op 15 september, na over een periode van elf dagen tussen 42% en 88,5% te hebben geschommeld. De markt had gelijk om de door tweets gedreven pieken te negeren, en gelijk dat het venster van 18 september leeg zou sluiten. De markt zat drie dagen te vroeg op het model, wat het enige is dat een gedateerd contract niet kan prijzen.

De weergavecijfers zijn het waard om als kalibratie-aantekening te bewaren. Musks aftelling van 2 september, "komt over 10 dagen uit", trok 10,29 miljoen weergaven en was onjuist. Zijn terugkrabbeling van 11 september trok 2,05 miljoen weergaven en was ook onjuist. Zijn roadmapberichten van 13–14 september trokken ongeveer 1,99 miljoen weergaven en zaten het dichtst bij de waarheid — hij beschreef Grok 4.8, een model met ruwweg 2,5 biljoen parameters dat was getraind op een vanaf nul opgebouwde C++-stack, als "een merkbare verbetering" ten opzichte van Grok 4.7. Bereik liep het hele verhaal door gelijk op met vertrouwen, niet met nauwkeurigheid.

Twee van de roadmap-items zijn nu open vragen in plaats van voorspellingen. Grok 4.8 heeft nergens een model-ID, geen prijsstelling, geen contextvenster en geen benchmarkvermelding. En de framing dat Grok 4.7 stilletjes was "omgedoopt" tot Grok 4.8 — de interpretatie van één medium dat Musk 4.8 noemde terwijl 4.7 laat was — pakt anders uit: 4.7 werd uitgebracht als 4.7, op 46 in de Index tegenover de 44 van Grok 4.6, wat een opvolgersincrement is en geen herlancering.

Wat dit betekent voor teams die vandaag Grok aanroepen.

Het praktische beeld veranderde op 21 september, en het veranderde op de minst dramatische manier denkbaar: een nieuw model-ID met dezelfde prijs, hetzelfde contextvenster, een winst van twee punten op de Index, een winst van negen punten voor coding agents en een winst van 111 punten op knowledge work. Twee veranderingen sindsdien zijn belangrijker dan ze lijken. De Grok-apps geven het model nu aan gewone gebruikers in plaats van alleen aan ontwikkelaars, en de catalogus aan deze kant vermeldt het nu — samen veranderen die de routeringslaag die aan het einde van dit stuk wordt beschreven van een plan in een standaardinstelling. Als je kostenmodel was gebaseerd op Grok 4.6 tegen $2/$6, dan is de prijs per token nog steeds correct voor Grok 4.7 — maar het aantal tokens niet. De eigen run van Artificial Analysis verbruikte 240 miljoen outputtokens op de Intelligence Index tegen een mediaan van 94 miljoen over de modellen die het volgt, dus dezelfde aanvraag kan ruim twee keer zoveel kosten, zelfs al is het tariefkaartje identiek, wat het soort verandering is dat nooit in een prijstabel opduikt. Prijs een echte agentische loop op outputtokens, niet op het tarief per miljoen, voordat je concludeert dat deze release gratis is. Als je reden om over te stappen de prijs-prestatiegrens is die de leverancier claimt, dan is het sterkste bewijs daarvoor nu AA-Briefcase in plaats van de tabel van de leverancier: vierde op dat bord tegen ongeveer de helft van de kosten per taak van Claude Opus 5, afgezet tegen een gat van zeven punten op de Intelligence Index met Claude Fable 5.1 en een prijsgat dat de andere kant op vijfvoudig is op input en meer dan achtvoudig op output. En als je workload specifiek een coding agent is, is het argument sterker dan de Index suggereert: 56 op de Coding Agent Index in de Grok Build-harness, voor GPT-5.6 Sol, is een andere league dan 46 op algemene intelligentie. Welke daarvan zwaarder weegt, hangt volledig af van je workload, en niemand buiten SpaceXAI heeft Grok 4.7 op de jouwe gedraaid.

Op de catalogus van OrcaRouter draait de Grok-lijn nu Grok 4.7 naast Grok 4.6, Grok 4.5 en Grok 4.3, gefactureerd tegen de lijstprijs van de aanbieder met 0% opslag — $2 per miljoen inputtokens en $6 per miljoen outputtokens, het lezen van gecachte input voor $0,50, en dezelfde stap naar $4 voor input en $12 voor output zodra een verzoek de 200.000 inputtokens overschrijdt die SpaceXAI in rekening brengt. Dat is wat het ongewijzigd doorgeven van de tariefkaart oplevert: de prijs per token in je kostenmodel is de prijs per token op je factuur, en elk model in de familie werkt met één sleutel, dus het verplaatsen van een workload van Grok 4.6 naar Grok 4.7 is een tekenreekswijziging in plaats van een tweede contract. Die pagina bevat het contextvenster van 500.000 tokens en hetzelfde OpenAI-compatibele oppervlak — Chat Completions en Responses — dat een Grok 4.6-integratie al als doel heeft.

The OrcaRouter model page for grok/grok-4.6 showing the New and Featured badges, $2.00 per 1M input and $6.00 per 1M output tokens, a 500K-token context window, text and image input, and the released August 12, 2026 label for Grok 4.6 by SpaceXAI.

Die routeringslaag is ook de methode met laag risico om een model te evalueren waarvan de onafhankelijke cijfers op dezelfde dag als die van de leverancier binnenkwamen. De benchmarklijst hierboven is nog steeds die van de leverancier zelf — zijn gekozen evaluaties, zijn gekozen inspanningsniveaus, zijn gekozen vergelijkingskolommen — en niets ervan is gereproduceerd. Wat is veranderd, is dat de drie Artificial Analysis-scores niet van de leverancier zijn, dus de vraag is verschoven van "is dit allemaal echt" naar "op welk van deze resultaten lijkt mijn workload": de 46 die staat voor middenmoot op algemene intelligentie, de 56 die staat voor een vierde plaats onder native-harness coding agents, of de 1.657 die staat voor een vierde plaats op kenniswerk tegen de helft van de kosten per taak van de frontier. En het getal dat de economie bepaalt, is helemaal geen benchmark, maar de outputtokens die een run verbruikt, en die kan alleen je eigen verkeer beprijzen — 240 miljoen per Index-run bij de meting van Artificial Analysis tegenover een mediaan van 94 miljoen, en ruwweg $8 tegenover $4,40 per set voorbeelddecks in het publieke AA-Briefcase-Lite-scenario. Automatische failover laat je echt verkeer naar het nieuwe model sturen en terugvallen op een provider die nog steeds antwoordt als de tokenrekening of het gedrag van voortijdig afbreken slechter uitvalt dan geadverteerd — dat is het verschil tussen een onbewezen model testen en er een pipeline op inzetten.

Hoe je het eerst te weten komt (de controle die werkte)

Deze sectie was voorheen een lijst met signalen om in de gaten te houden tijdens het wachten. Het wachten is voorbij, dus hier is dezelfde lijst, afgezet tegen wat er daadwerkelijk is gebeurd.

• De modellenlijst was de bevestiging, en die veranderde. Zes weken lang was het advies in dit stuk om naar de modellenlijst van de leverancier te kijken in plaats van naar de tweets, want op het moment dat Grok 4.7 echt was, zou de lijst een model-ID krijgen met bijbehorende prijsstelling en contextvenster. Dat is wat er gebeurde: grok-4.7 verschijnt nu met een contextvenster van 500K, prijsstelling $2/$6 onder 200K input en $4/$12 daarboven, een kennisafsluitdatum van mei 2026 en vier inspanningsniveaus. Elk Musk-venster, elk cadansargument en elke marktdatum slaagden er niet in die lijst te veranderen; de release veranderde hem.

• Catalogi van derden gaan vooraf aan de aankondiging, en het zijn voorstellen in plaats van implementaties. De pull request voor de catalogus van 21 september was tot nu toe de duidelijkste versie hiervan, en de afsluiting ervan is leerzaam: een bijdrager trof voorbereidingen voor een model, een bot sloot de wijziging twee uur later vanwege een ontbrekende sjabloonsectie, en het model werd twee dagen daarna uitgebracht. Lees dat soort artefacten als intentie met een tijdstempel. Het staat echt upstream van de aankondiging, en het is geen beschikbaarheid.

• Houd de OrcaRouter-modelcatalogus in de gaten. Deze is nu verplaatst. Gedurende heel september was het advies in dit stuk dat een grok-4.7-modelpagina op orcarouter.ai het signaal zou zijn voor "je kunt het vandaag via ons aanroepen", omdat een model pas wordt vermeld nadat een provider het heeft geonboard. De catalogus vermeldt nu Grok 4.7 tegen het tarief van de leverancier, zonder opslag, dus de controle die een lezer werd geadviseerd uit te voeren, heeft een antwoord: het is vandaag via één API routeerbaar.

• Voor zichtbaarheid aan consumentenzijde heeft de Grok-app Grok 4.7 nu onder de ogen van gebruikers gebracht die nooit een API-console zullen openen. Bij herlezing op 2 oktober noemen de pickerdata die grok.com aan een uitgelogde bezoeker serveert, het model nog steeds bij twee van de vier opties — bij Expert staat "Denkt diep na · Grok 4.7" en bij Heavy staat "Team van experts · Grok 4.7" — terwijl Fast, de modus waarin de app standaard opent, alleen wordt beschreven als "Snelle antwoorden" en Auto als degene die tussen Fast en Expert kiest. De vier opties zijn Auto, Fast, Expert en Heavy. Build is er niet één van: Grok Build is een afzonderlijk terminalproduct op een eigen pagina, en die pagina is waar de Build-attributie van het model daadwerkelijk vandaan komt — daar wordt bezoekers gezegd: "Installeer nu en begin met bouwen met Grok 4.7". Dus de bewering die op 1 oktober circuleerde en op 2 oktober werd herhaald — dat Grok 4.7 nu het basismodel is voor "Fast, Expert, Build en Heavy" — noemt een modus die de app niet aanbiedt en laat de modus waarin hij opent weg, en het is de lezing van de trackers, niet die van de leverancier, want SpaceXAI heeft helemaal niets over deze uitrol gepost. De vergelijkbare stap bij Grok 4.5 kreeg een eigen blogbericht; deze stap heeft een product dat stilletjes veranderde onder een nieuwspagina die dat niet deed.

De stand van zaken

Grok 4.7 werd op 21 september 2026 uitgebracht, tegen $2 per miljoen invoertokens en $6 per miljoen uitvoertokens, met een contextvenster van 500.000 tokens en een kennisafsluitdatum van mei 2026. Wat in de elf dagen sindsdien is veranderd, is de beschikbaarheidskaart, niet het model: Amazon Bedrock voegde het op 28 september toe, het begon op 1 oktober uit te rollen in Groks eigen web- en mobiele apps en was daar op 2 oktober nog steeds aan het uitrollen, en het staat nu op OrcaRouter tegen SpaceXAI's eigen tarief zonder opslag. De onafhankelijke scores kwamen op dezelfde dag als de lancering binnen en zijn nog steeds niet eensluidend: 46 bij xhigh-inspanning op de v4.3.2 Intelligence Index van Artificial Analysis, twee punten boven Grok 4.6 en genoeg om SpaceXAI in de top vier labs van de index te plaatsen; 56 op de Coding Agent Index in de Grok Build-harness, negen punten boven Grok 4.6 en vierde onder native-harness-modellen, vóór GPT-5.6 Sol; en 1.657 Elo op AA-Briefcase, 111 punten boven Grok 4.6 en vierde op de ranglijst achter drie Anthropic-vermeldingen, tegen ongeveer de helft van de kosten per taak van Claude Opus 5. Elke benchmark in de lanceringstabel van de leverancier is van de leverancier zelf en niet gereproduceerd, met één uitzondering: de eigen AA-Briefcase-ranglijst van Artificial Analysis publiceert dezelfde 1.657, en de leverancier heeft sindsdien zijn eigen Terminal-Bench-rij van 38,0% naar beneden bijgesteld naar 37,6%. De winst op het gebied van coderen en kenniswerk is reëel en kost uitvoertokens — 240 miljoen per Index-run tegen een mediaan van 94 miljoen, en ongeveer $8 tegen $4,40 per set voorbeelddecks in AA's openbare due-diligence-scenario — en dat is het getal dat bepaalt of deze release goedkoop is. Het cijfer van ~2,1 biljoen parameters dat twee maanden circuleerde, heeft nog steeds geen bron bij de leverancier, en het voorbehoud over vroegtijdige stopzetting is nooit direct behandeld, hoewel de sprong op Terminal-Bench van 18% naar 33% in de Grok Build-harness het eerste externe bewijs is dat de oplossing werkte. Beide signalen die dit stuk lezers aanraadde in de gaten te houden, zijn afgegaan: de modellenlijst van de leverancier kreeg grok-4.7 met een prijs en een contextvenster eraan gekoppeld, en de catalogus hier vermeldt het tegen hetzelfde tarief. Dus de winnende zet is eenvoudiger dan in september — Grok 4.6 tegen $2/$6 was het antwoord, en Grok 4.7 tegen $2/$6 is hetzelfde antwoord met een nieuwere model-ID, betere scores voor coderen en kenniswerk, een veel hogere tokenrekening, en een consumenten-app die het bij zijn twee moeilijkste modi noemt.

Vergeleken in dit artikel3

Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt