Gemini 4 Carbon kontra Grok 4.7: Cennik mówi „3x”, faktura milczy

Gemini 4 Carbon ma cenę 10 USD za milion tokenów wyjściowych. Grok 4.7 ma cenę 6 USD. Patrząc na te dwie liczby, które każda strona z cennikiem wyróżnia pogrubieniem, Carbon kosztuje o dwie trzecie więcej za rozmowę i dwa razy więcej za czytanie, a oczywisty wniosek brzmi, że Grok 4.7 jest najbardziej opłacalnym wyborem. Potem mierzy się koszt ukończonego zadania i okazuje się, że modele różnią się o jeden cent: 7,76 USD za Gemini 4 Carbon wobec 7,77 USD za Grok 4.7 w Artificial Analysis Intelligence Index. Ten sam rachunek, a dzieli je dwadzieścia pięć punktów indeksu pod względem możliwości. To cały argument tego porównania — i nie taki, który pokaże ci cennik któregokolwiek z dostawców.

Ważny jest timing, bo wpływa na to, jak odczytasz resztę. Gemini 4 Carbon stał się wywoływalny w płatnym Gemini API 10 listopada 2026 r., dwanaście dni po tym, jak Google ogłosiło go zamkniętemu gronu. Grok 4.7 został wydany przez xAI 21 września 2026 r. i od tego czasu jest dostępny do routingu. Jeden jest w publicznych rękach od tygodnia; drugi ma za sobą siedem tygodni produkcyjnego użytkowania.

Dwie karty stawek, które wyglądają na bardziej różne, niż są w rzeczywistości

Zacznij od samej struktury, bo to właśnie w podziale na poziomy te dwie rzeczy w praktyce się rozchodzą.

Cena wyjściowa — Carbon: 10 USD za milion do 30 listopada 2026 r., a następnie 20 USD. Grok 4.7: 6 USD za milion poniżej 200 000 tokenów wejściowych, a następnie 12 USD.

• Cena wejściowa — Carbon 2 USD, następnie 4 USD od 1 grudnia. Grok 4.7 2 USD, wzrasta do 4 USD powyżej progu 200 tys. Identyczna struktura, identyczne liczby, inne przypisane daty.

• Wejście z pamięci podręcznej — Carbon $0.10 za milion teraz, $0.20 po 1 grudnia, tylko niejawne buforowanie. Grok 4.7 $0.50, wzrost do $1.00 przy długich promptach, z 75% zniżką na stawkę świeżego wejścia.

• Kontekst — Carbon: 1 048 576 tokenów. Grok 4.7: 500 000. Carbon ma dwukrotnie większe okno.

• Limit tokenów wyjściowych — Carbon 65 536 synchronicznie, do 1 048 576 przy długim dekodowaniu. Grok 4.7 do 450 000. W praktyce Grok pisze dłuższe odpowiedzi w jednym wywołaniu niż Carbon domyślnie.

• Modalność wejściowa — Carbon przyjmuje tekst, obrazy, dźwięk, wideo i PDF. Grok 4.7 przyjmuje tekst, obrazy i pliki.

Wagi — oba zamknięte. Żadnego z nich nie można hostować samodzielnie, więc oba wiążą się z taką samą ekspozycją na ryzyko związane z dostawcą.

• Poziom wysiłku rozumowania — Carbon thinking przy niskim, średnim i wysokim; Grok 4.7 przy niskim, wysokim i xhigh. Publikowane wartości są podawane odpowiednio przy wysokim i xhigh, co należy sprawdzić w pierwszej kolejności, zanim skopiuje się jakikolwiek wynik z nagłówka.

Dwie asymetrie na tej liście mają realne znaczenie. Kontekst 1M w Carbon jest dwukrotnie większy niż w Grok, co ma znaczenie w pracy z całym repozytorium lub z wieloma dokumentami. Limit wyjściowy Grok wynoszący 450K jest siedmiokrotnie wyższy niż synchroniczny limit Carbon, co ma znaczenie, jeśli sam rezultat ma być długi — wygenerowany raport, zmigrowany plik, długa seria patchy. Model, który może pomieścić milion tokenów wejścia, ale zwrócić tylko 65K, nie jest modelem długich odpowiedzi, niezależnie od tego, jak okno kontekstowe prezentuje się w karcie specyfikacji.

Liczba, która uzgadnia obie ceny

Artificial Analysis ocenia oba modele na tym samym indeksie dziewięciu ewaluacji w wersji v5.0.1 i publikuje koszt na zadanie indeksowe, który uwzględnia, ile tokenów każdy model faktycznie zużywa na ukończenie pracy. To właśnie ten pomiar sprawia, że porównanie to nie przebiega tak, jak sugeruje cennik.

• Indeks Inteligencji — Gemini 4 Carbon 60 przy wysokim wysiłku, czwarte na 74. Grok 4.7 35 przy xhigh, czterdzieste pierwsze na 74. Ustawienia medium i low Carbona uzyskują 58 i 54; ustawienia high i low Groka osiągają odpowiednio 35 i 31.

• Koszt na zadanie indeksowania — Carbon 7,76 USD, Grok 7,77 USD. Różnica jednego centa na korzyść droższego modelu.

• Tokeny wyjściowe w indeksie — Carbon 205 milionów, Grok 148 milionów, wobec mediany wynoszącej 72,8 miliona.

• Czas na zadanie indeksowania — Carbon 25,6 minuty, Grok 25,9 minuty. Znów na tym samym poziomie.

• Szybkość generowania — Carbon 80 tokenów na sekundę, Grok 67. Carbon jest szybszym generatorem, mimo że jest droższy.

• Czas do pierwszego tokenu odpowiedzi — Carbon 66,85 sekundy, Grok 53,64 sekundy. Oba znacznie odbiegają od mediany 12 sekund dla swojego przedziału cenowego, a spośród tych dwóch to Grok szybciej rozpoczyna odpowiedź.

Różnicę wyrównuje gadatliwość, nie rabat. Carbon generuje o 39% więcej tokenów wyjściowych na zadanie niż Grok, a jego cena tokenów wyjściowych jest o 67% wyższa, mimo to całkowity koszt zadania mieści się w granicach jednego centa, ponieważ cena tokenów Groka nie jest jedynym składnikiem rachunku — objętość wejścia, tokeny rozumowania i kształt zadania również się do niego przyczyniają. Niezależnie od dokładnego rozkładu, praktyczny odczyt to ten, który przetrwałby każde ponowne wyprowadzenie: porównanie kosztu na token między tymi dwoma modelami mówi prawie nic o tym, ile kosztuje obciążenie, a podawane ceny obu dostawców różnią się bardziej niż ich zmierzony koszt na wynik.

Dwadzieścia pięć punktów nie wszędzie oznacza dwadzieścia pięć punktów.

Złożona luka tej wielkości zwykle przetrwa dekompozycję; pytanie dotyczy tego, gdzie tak jest, a gdzie nie. Trzy zastrzeżenia, zanim ktokolwiek zacznie planować budżet w oparciu o 60 kontra 35.

Pierwsza kwestia to wysiłek. Wynik Carbona 60 uzyskano przy wysokim wysiłku, a Groka 35 przy xhigh. Oba to preferowane ustawienia dostawców, a nie dopasowane, więc porównanie dotyczy każdego modelu uruchomionego tak, jak zamierza jego twórca, a nie przy równym nakładzie obliczeń. Obniż którykolwiek, a różnica się zmniejszy lub zwiększy w zależności od tego, który koniec przesuniesz: Carbon przy niskim to 54, Grok przy niskim to 31.

Po drugie, indeks v5.0.1 to połączony wynik dziewięciu ewaluacji, a ranking nie publikuje wyników poszczególnych benchmarków dla żadnego z modeli — na każdym podwykresie na obu stronach widnieje komunikat „Brak publicznie dostępnego API”. Uczciwe stwierdzenie brzmi więc tak: Carbon wygrywa w wyniku zbiorczym o 25 punktów i nikt spoza Artificial Analysis nie potrafi obecnie powiedzieć, która z dziewięciu ewaluacji dała tę przewagę. Każdy, kto publikuje rozbicie wyników tej pary na poszczególne benchmarki, albo cytuje dostawcę, albo je wymyśla.

Po trzecie, indeks jest tylko jednym narzędziem. Jest dobrym narzędziem, niedawno zaktualizowanym i konsekwentnie stosowanym do obu modeli, ale nie jest decyzją produktową. Model, który traci 25 punktów w ocenie złożonej, nadal może najlepiej sprawdzić się w Twoim zadaniu, a dwie kolejne sekcje dotyczą właśnie takich przypadków.

Gdzie Grok 4.7 wygrywa bezapelacyjnie

Trzy z nich, przy czym pierwszy nie jest benchmarkiem.

Dojrzałość. Grok 4.7 jest ogólnie dostępny od siedmiu tygodni. Gemini 4 Carbon można wywoływać od jednego dnia po wdrożeniu, którego kształt dwukrotnie zmienił się w ciągu dwóch tygodni — ogłoszenie z ograniczonym dostępem 28 października, płatne API 10 listopada, podwojenie ceny 1 grudnia. Zespół, który potrzebuje, aby model był taki sam w następnym kwartale, ma w tej chwili dokładnie jedną opcję w tej parze z udokumentowaną historią.

Długie wyjście pojedynczego wywołania. 450,000 tokenów wobec 65,536 w trybie synchronicznym. Jeśli zadanie polega na „napisaniu całego pliku”, a nie na „odpowiedzi na pytanie”, górny limit rozstrzyga to, zanim zrobi to indeks.

Przewidywalność kosztów przy długich promptach, jeśli dane wejściowe są niewielkie. Próg Groka $4/$12 obowiązuje dopiero powyżej 200 000 tokenów wejściowych, a poniżej tej granicy jego stawka wyjściowa $6 stanowi jedną trzecią stawki $20, którą Carbon ma po grudniu. W przypadku obciążenia o umiarkowanym wejściu i dużym wyjściu — streszczanie, redagowanie, transformacja — arytmetyka rzeczywiście przemawia za Grokiem, a niemal identyczny koszt na zadanie indeksowania jest stwierdzeniem o tym konkretnym zestawie dziewięciu ewaluacji, nie zaś uniwersalnym prawem.

Dla porównania, buforowane wejście Groka po $0.50 za milion jest pięć razy droższe niż obecna stawka Carbon wynosząca $0.10. W przypadku potoku RAG, który przy każdym wywołaniu ponownie wysyła ten sam korpus 100 000 tokenów, ta jedna pozycja może przeważyć nad wszystkim powyżej. To najczęstszy sposób, w jaki zespół wybiera niewłaściwy model spośród tych dwóch: porównuje stawki za wyjście i nigdy nie oblicza ekonomiki pamięci podręcznej dla własnego profilu ruchu.

Gdzie Carbon jest wart swojej ceny

Argument za Carbon jest węższy, niż sugeruje jego wynik indeksowy, i mocniejszy, niż sugeruje jego cena.

Obsługa wejścia multimodalnego.Wejście audio i wideo to najczystszy separator w całym tym porównaniu. Carbon przyjmuje oba; Grok 4.7 nie wymienia żadnego z nich. Pipeline, który musi obejrzeć nagranie ekranu lub przeprowadzić transkrypcję i wnioskowanie na podstawie rozmowy, ma tu jednego kandydata, a żadna liczba punktów indeksu tego nie nadrobi.

Praca w obszarze cyberbezpieczeństwa i podatności. Google zbudował do tego Carbon, pierwsze wydanie udostępnił wyłącznie obrońcom cyberprzestrzeni i podaje wyniki SEC-bench Pro na poziomie 88,2%, ExploitGym 54,8% i CWE-bench 71,0% — wszystkie zgłoszone przez producenta i nieodtworzone, ale kierunek jest spójny z deklarowanym celem modelu oraz z faktem, że Google zdecydował się udostępnić go obrońcom przed deweloperami. xAI nie przedstawia żadnego porównywalnego twierdzenia dotyczącego cyberbezpieczeństwa w przypadku Grok 4.7.

Kontekst całego repozytorium. Okno 1M kontra 500K. Dwukrotnie wyższy pułap to realna różnica w zadaniach na skalę monorepo, a w konkretnym przypadku „utrzymania całego serwisu w kontekście i wnioskowania na jego podstawie” Grok nie jest w stanie dorównać.

A oto uczciwa przeciwwaga: przewaga Carbonu jest okupiona opóźnieniem. Przy 66,85 sekundy do pierwszego tokenu i 25,6 minuty na zadanie indeksowania nie jest to model, który można umieścić za interfejsem typu żądanie–odpowiedź bez sporej cierpliwości. Podobnie Grok z 53,64 sekundy. Jeśli Twój produkt wymaga odpowiedzi w czasie poniżej 10 sekund, to porównanie dotyczy dwóch modeli, które oba przegrywają, a odpowiedzią jest mniejszy, szybszy model po którejkolwiek ze stron.

Uruchamiając oba, która jest właściwą odpowiedzią

Powód, dla którego ten pojedynek wymyka się jednoznacznej ocenie, jest taki, że oba modele są ukształtowane dla różnych etapów tego samego potoku. Carbon do etapu wejściowego, gdzie dominują modalność i kontekst, a wolumen jest niski. Grok do etapu długich wyjść, gdzie zadanie polega na generowaniu dużej ilości tekstu z ograniczonego promptu i gdzie stawka $6 za tokeny wyjściowe bije stawkę $20. Większość zespołów, które potrzebują jednego z nich, potrzebuje obu, a błędem jest podpisywanie dwóch umów, korzystanie z dwóch SDK i dwóch relacji rozliczeniowych, żeby je mieć.

Jeden punkt końcowy zgodny z OpenAI to skrót — i jest on już dziś dostępny dla tej połowy tej pary, którą można routować: grok/grok-4.7 znajduje się w OrcaRouter w cenie samego xAI wynoszącej $2/$6 — tej samej cenie katalogowej, przekazanej bez marży (0%), w tym stawce $4/$12 powyżej 200 000 tokenów wejściowych — obok google/gemini-4-argon w cenie $2/$10 za prace po stronie Gemini, które nie wymagają zestawu modalności Carbon. Sam Gemini 4 Carbon nie występuje w katalogu; dostęp do niego odbywa się przez płatne API Google, a ten odcinek potoku to bezpośrednia integracja.

DSL routingu to ta część, która sprawia, że podział jest praktyczny, a nie tylko życzeniowy: to samo żądanie można skomponować tak, by najpierw spróbować taniej ścieżki i eskalować w przypadku niepowodzenia walidacji, z automatycznym przełączaniem awaryjnym, jeśli dostawca ulegnie degradacji. Ma to tutaj większe znaczenie niż zwykle, ponieważ drogi model w tej parze dwukrotnie zmienił warunki dostępu w ciągu czternastu dni. Pipeline, który potrafi przenieść gałąź do innego modelu bez ponownego wdrożenia, to jedyna wersja tej architektury, która przetrwa roadmapę własnego dostawcy.

Wybierz według ograniczenia, które faktycznie masz

• Jeśli produktem końcowym ma być długi wynik z ograniczonego promptu — Grok 4.7, i najpierw sprawdź objętość swojego cache.

• Jeśli dane wejściowe obejmują pliki audio, wideo lub skanowane pliki PDF — Carbon, ponieważ w tej parze nie ma alternatywy.

• Jeśli zadanie polega na analizie bezpieczeństwa lub triażu podatności — Carbon, ze względu na raportowane przez Google liczby dotyczące cyberbezpieczeństwa oraz własną decyzję firmy o ograniczeniu dostępu, z zastrzeżeniem, że żadna z tych liczb nie została niezależnie odtworzona.

• Jeśli potrzebujesz całego repozytorium w kontekście — okno 1M Carbon, akceptując opóźnienie.

• Jeśli potrzebujesz modelu, którego warunki nie zmienią się w przyszłym miesiącu — Grok 4.7, a to jest mocniejszy argument, niż brzmi.

• Jeśli nie potrafisz zdecydować — uruchom oba. Zmierzony koszt na zadanie mieści się w granicach centa, więc dwutygodniowy test porównawczy kosztuje w przybliżeniu tyle, ile kosztuje jeden model, i daje lepszą odpowiedź niż jakikolwiek wynik złożony.

To, czego żadna z tych list nie może ci powiedzieć, to który model jest mądrzejszy, ponieważ „mądrzejszy” to niewłaściwa wielkość na tym dystansie. Dwadzieścia pięć punktów indeksu to duża różnica przy prawidłowym pomiarze, a mimo to model tańszy na papierze pozostaje remisowy pod względem kosztu na wynik i wyprzedza pod względem pułapu wyjścia, dojrzałości oraz czasu do pierwszego tokenu. To nie jest sprzeczność w benchmarkach. To efekt sytuacji, w której dwa modele są zbudowane do różnych zadań, a promuje się je tym samym słowem.