Gemini 4 Carbon vs Grok 4.7: a tabela de preços diz 3x, a fatura não diz nada

O Gemini 4 Carbon tem preço de tabela de US$ 10 por milhão de tokens de saída. O Grok 4.7 tem preço de tabela de US$ 6. Nos dois números que toda página de preços destaca em negrito, o Carbon custa dois terços a mais para falar e o dobro para ler, e a conclusão óbvia é que o Grok 4.7 é a escolha de melhor custo-benefício. Aí você mede quanto custa uma tarefa concluída, e os dois modelos ficam a um centavo de distância: US$ 7,76 para o Gemini 4 Carbon contra US$ 7,77 para o Grok 4.7 no Índice de Inteligência da Artificial Analysis. Mesma conta, vinte e cinco pontos de índice de capacidade de diferença entre eles. Esse é todo o argumento desta comparação, e não é algo que a tabela de preços de nenhum dos fornecedores consegue mostrar.

O timing importa para como você lê o resto. O Gemini 4 Carbon ficou disponível para chamadas na API paga do Gemini em 10 de novembro de 2026, doze dias depois de o Google anunciá-lo para um grupo fechado. O Grok 4.7 foi lançado pela xAI em 21 de setembro de 2026 e está disponível para roteamento desde então. Um tem uma semana nas mãos do público; o outro tem sete semanas de uso em produção por trás.

Duas tabelas de tarifas que parecem mais distantes do que realmente são

Comece pela estrutura bruta, porque é na estratificação que os dois divergem na prática.

• Preço de saída — Carbon US$ 10 por milhão até 30 de novembro de 2026, depois US$ 20. Grok 4.7 US$ 6 por milhão para menos de 200.000 tokens de entrada, depois US$ 12.

• Preço de entrada — Carbon US$ 2, depois US$ 4 a partir de 1º de dezembro. Grok 4.7 US$ 2, passando para US$ 4 acima da linha de 200k. Estrutura idêntica, números idênticos, datas diferentes associadas.

• Entrada em cache — Carbon $0.10 por milhão agora, $0.20 após 1º de dezembro, somente cache implícito. Grok 4.7 $0.50, subindo para $1.00 em prompts longos, com 75% de desconto sobre a tarifa de entrada nova.

• Contexto — Carbon 1.048.576 tokens. Grok 4.7 500.000. O Carbon é a janela maior por um fator de dois.

• Limite de saída — Carbon 65.536 tokens de forma síncrona, até 1.048.576 com decodificação longa. Grok 4.7 até 450.000. Na prática, o Grok escreve respostas mais longas em uma única chamada do que o Carbon por padrão.

• Modalidade de entrada — Carbon aceita texto, imagem, áudio, vídeo e PDF. Grok 4.7 aceita texto, imagem e arquivo.

• Pesos — ambos fechados. Nenhum dos dois pode ser auto-hospedado, portanto ambos apresentam a mesma exposição ao risco de fornecedor.

Esforço de raciocínio — Carbon thinking em baixo, médio e alto; Grok 4.7 em baixo, alto e xhigh. Os números publicados são citados em alto e xhigh, respectivamente, o que é a primeira coisa a verificar antes de copiar qualquer pontuação de destaque.

Duas assimetrias nessa lista têm peso real. O contexto de 1M do Carbon é o dobro do do Grok, o que importa para trabalho em repositório inteiro ou com vários documentos. O teto de saída de 450K do Grok é sete vezes o limite síncrono do Carbon, o que importa se o entregável em si for longo — um relatório gerado, um arquivo migrado, uma longa série de patches. Um modelo que consegue comportar um milhão de tokens de entrada mas só devolver 65K não é um modelo de saída longa, por mais que a janela de contexto pareça boa numa ficha técnica.

O número que reconcilia os dois preços

A Artificial Analysis mede os dois modelos no mesmo índice de nove avaliações, versão v5.0.1, e publica um custo por tarefa do índice que incorpora quantos tokens cada modelo realmente gasta para concluir o trabalho. Essa medição é a razão pela qual esta comparação não segue o caminho que a tabela de tarifas sugere.

Índice de Inteligência — Gemini 4 Carbon 60 com esforço alto, quarto de 74. Grok 4.7 35 em xhigh, quadragésimo primeiro de 74. As configurações média e baixa do Carbon pontuam 58 e 54; as configurações alta e baixa do Grok ficam em 35 e 31.

• Custo por tarefa de indexação — Carbon $7,76, Grok $7,77. Um centavo de diferença, a favor do modelo mais caro.

• Tokens de saída no índice — Carbon 205 milhões, Grok 148 milhões, contra uma mediana de 72,8 milhões.

• Tempo por tarefa de indexação — Carbon 25,6 minutos, Grok 25,9 minutos. Novamente empatados.

• Velocidade de saída — Carbon 80 tokens por segundo, Grok 67. O Carbon é o gerador mais rápido, apesar de ser o mais caro.

Tempo até o primeiro token de resposta — Carbon 66,85 segundos, Grok 53,64 segundos. Ambos estão muito acima da mediana de 12 segundos para a faixa de preço deles, e Grok é o mais rápido dos dois para começar.

A reconciliação é verbosidade, não desconto. O Carbon emite 39% mais tokens de saída por tarefa do que o Grok, e seu preço de saída é 67% maior, mas o custo total da tarefa fica dentro de um centavo porque o preço por token do Grok não é o único insumo da conta — o volume de entrada, os tokens de raciocínio e o formato por tarefa contribuem. Qualquer que seja a decomposição exata, a leitura prática é a que sobreviveria a qualquer nova derivação: uma comparação por token entre esses dois modelos quase não diz nada sobre o custo de uma carga de trabalho, e os preços anunciados dos dois fornecedores diferem mais do que difere o custo medido por resultado.

Vinte e cinco pontos não são vinte e cinco pontos em todos os lugares

Uma lacuna composta desse tamanho normalmente sobrevive à decomposição; a questão é onde ela sobrevive e onde não. Três ressalvas antes de alguém fazer orçamentos com base em 60 contra 35.

O primeiro é o esforço. O 60 do Carbon está em esforço alto, o 35 do Grok em xhigh. Ambos são as configurações preferidas dos fornecedores, e não configurações equiparadas, então a comparação é entre cada modelo executado como seu fabricante pretende, não com computação equivalente. Reduza qualquer um deles e a diferença diminui ou aumenta dependendo de qual lado você mexe: o Carbon no nível baixo é 54, o Grok no nível baixo é 31.

A segunda é que o índice v5.0.1 é uma combinação de nove avaliações, e o ranking não publica pontuações por benchmark para nenhum dos dois modelos — todos os subgráficos nas duas páginas exibem "Nenhuma API disponível publicamente." Portanto, a afirmação honesta é que o Carbon vence a pontuação composta por 25 pontos, e ninguém fora da Artificial Analysis pode, atualmente, dizer qual das nove avaliações produziu essa margem. Qualquer pessoa que publique um detalhamento por benchmark deste par ou está citando um fornecedor ou inventando um.

O terceiro é que o índice é um instrumento. É um bom instrumento, revisto recentemente e aplicado de forma consistente a ambos os modelos, mas não é uma decisão de produto. Um modelo que perde 25 pontos compostos ainda pode sair vencedor na tarefa que você tem, e as próximas duas seções tratam dos casos em que isso acontece.

Onde o Grok 4.7 vence de forma absoluta

Três deles, e o primeiro não é um benchmark.

Maturidade. O Grok 4.7 está disponível em geral há sete semanas. O Gemini 4 Carbon está disponível para chamada há um dia, após um lançamento que mudou de forma duas vezes em duas semanas — anúncio com acesso controlado em 28 de outubro, API paga em 10 de novembro, duplicação de preço em 1 de dezembro. Uma equipe que precisa que um modelo seja a mesma coisa no próximo trimestre tem, neste momento, exatamente uma opção deste par com histórico comprovado.

Saída longa em chamada única. 450.000 tokens contra 65.536 síncronos. Se a tarefa é “escrever o arquivo inteiro” em vez de “responder à pergunta”, o teto decide antes do índice.

Certeza de custo em prompts longos, se a sua entrada for pequena. O passo da Grok para $4/$12 só entra em vigor acima de 200.000 tokens de entrada e, abaixo dessa linha, sua taxa de saída de $6 é um terço dos $20 da Carbon após dezembro. Para uma carga de trabalho com entrada moderada e saída pesada — sumarização, redação, transformação —, a aritmética favorece a Grok, e o custo quase idêntico por tarefa de índice é uma afirmação sobre essa combinação específica de nove avaliações, não uma lei universal.

Em contrapartida, a entrada em cache do Grok a US$ 0,50 por milhão é cinco vezes os US$ 0,10 atuais do Carbon. Para um pipeline RAG que reenvia o mesmo corpus de 100.000 tokens a cada chamada, essa única linha pode pesar mais do que tudo o que está acima. Esta é a forma mais comum de uma equipe escolher o modelo errado entre esses dois: ela compara as tarifas de saída e nunca calcula a economia de cache com base no perfil do próprio tráfego.

Onde o Carbon vale a pena

A tese a favor da Carbon é mais estreita do que a sua pontuação no índice e mais forte do que o seu preço sugere.

Entrada multimodal. A entrada de áudio e vídeo é o separador mais claro em toda esta comparação. O Carbon assimila ambos; o Grok 4.7 não lista nenhum dos dois. Um pipeline que precisa assistir a uma gravação de tela ou transcrever e raciocinar sobre uma chamada tem um único candidato aqui, e nenhuma quantidade de pontos de índice fecha essa lacuna.

Trabalho em cibernética e vulnerabilidades. O Google criou o Carbon para isso, restringiu o primeiro lançamento a defensores cibernéticos e relata SEC-bench Pro em 88,2%, ExploitGym em 54,8% e CWE-bench em 71,0% — todos relatados pelo fornecedor e não reproduzidos, mas a direção é consistente com o propósito declarado do modelo e com o fato de que o Google optou por lançá-lo para defensores antes dos desenvolvedores. A xAI não faz nenhuma alegação cibernética comparável para o Grok 4.7.

Contexto do repositório inteiro. Uma janela de 1M contra 500K. O dobro do teto é uma diferença real para tarefas em escala de monorepo e, no caso específico de "manter o serviço inteiro em contexto e raciocinar através dele", o Grok não consegue acompanhar.

E um contrapeso honesto: a vantagem do Carbon é conquistada à custa de latência. Com 66,85 segundos até o primeiro token e 25,6 minutos por tarefa de indexação, não é um modelo para colocar por trás de uma interface de requisição-resposta sem bastante paciência. Nem o Grok, com 53,64 segundos. Se seu produto precisa de respostas em menos de 10 segundos, esta comparação é entre dois modelos que ambos perdem, e a resposta é um modelo menor e mais rápido em qualquer um dos lados.

Executando ambos, qual é a resposta real

O motivo pelo qual essa comparação não permite um veredito é que os dois modelos foram moldados para etapas diferentes do mesmo pipeline. Carbon para a ponta de entrada, em que modalidade e contexto dominam e o volume é baixo. Grok para a ponta de saída longa, em que a tarefa é produzir muito texto a partir de um prompt delimitado e em que uma taxa de saída de US$ 6 supera uma de US$ 20. A maioria das equipes que precisa de um precisa dos dois, e o erro é assinar dois contratos, dois SDKs e duas relações de cobrança para obtê-los.

Um endpoint compatível com OpenAI é o atalho, e ele está disponível hoje para a metade roteável deste par: grok/grok-4.7 está no OrcaRouter pelo próprio preço de $2/$6 da xAI — o mesmo preço de tabela, repassado com 0% de margem, incluindo o degrau de $4/$12 acima de 200.000 tokens de entrada — ao lado de google/gemini-4-argon a $2/$10 para o trabalho do lado Gemini que não precisa do conjunto de modalidades do Carbon. O próprio Gemini 4 Carbon não está no catálogo; ele é acessado pela API paga do Google, e essa etapa do pipeline é uma integração direta.

O DSL de roteamento é a parte que torna a divisão prática em vez de aspiracional: a mesma requisição pode ser composta para tentar o caminho barato e escalar em caso de falha de validação, com failover automático se um provedor degradar. Isso importa mais aqui do que o habitual, porque o modelo caro deste par mudou seus termos de acesso duas vezes em quatorze dias. Um pipeline que consegue mover uma ramificação para um modelo diferente sem uma nova implantação é a única versão desta arquitetura que sobrevive ao roadmap do próprio fornecedor.

Escolha com base na restrição que você realmente tem.

• Se o entregável for uma saída longa de um prompt delimitado — Grok 4.7, e verifique o volume do seu cache primeiro.

• Se a entrada incluir áudio, vídeo ou PDFs digitalizados — Carbon, pois não há alternativa neste par.

• Se a tarefa for análise de segurança ou triagem de vulnerabilidades — Carbon, com base nos números cibernéticos divulgados pelo Google e na própria escolha de gating da empresa, com a ressalva de que nenhum desses números foi reproduzido de forma independente.

• Se você precisa do repositório inteiro no contexto — a janela de 1M do Carbon, aceitando a latência.

• Se você precisa de um modelo cujos termos não mudarão no próximo mês — Grok 4.7, e este é um argumento mais forte do que parece.

• Se você não conseguir decidir — execute os dois. O custo medido por tarefa fica em menos de um centavo, então um teste comparativo de duas semanas custa aproximadamente o mesmo que um modelo, e produz uma resposta melhor do que qualquer pontuação composta.

O que nenhuma dessas listas pode lhe dizer é qual modelo é mais inteligente, porque “mais inteligente” é a grandeza errada a esta distância. Vinte e cinco pontos de índice é uma lacuna grande quando medida adequadamente, e ainda assim deixa o modelo mais barato no papel empatado em custo por resultado e à frente em teto de saída, maturidade e tempo até o primeiro token. Isso não é uma contradição nos benchmarks. É o que acontece quando dois modelos são construídos para trabalhos diferentes e comercializados com a mesma palavra.