Gemini 4 Carbon против Grok 4.7: в прайс-листе указано 3x, а в счёте — ничего

Gemini 4 Carbon стоит $10 за миллион выходных токенов. Grok 4.7 — $6. По двум цифрам, которые каждая страница с ценами выделяет жирным, общение с Carbon обходится на две трети дороже, а чтение — вдвое дороже, и очевидный вывод состоит в том, что Grok 4.7 — выгодный выбор. Но когда измеряешь стоимость завершённой задачи, две модели оказываются всего в одном центе друг от друга: $7.76 у Gemini 4 Carbon против $7.77 у Grok 4.7 по Intelligence Index от Artificial Analysis. Тот же счёт — и 25 пунктов индекса возможностей между ними. В этом весь аргумент данного сравнения, и его не способен показать тарифный лист ни одного из поставщиков.

Тайминг важен для того, как вы воспримете всё остальное. Gemini 4 Carbon стал доступен для вызовов в платном Gemini API 10 ноября 2026 года — через двенадцать дней после того, как Google анонсировала его закрытой группе. Grok 4.7 был выпущен xAI 21 сентября 2026 года и с тех пор доступен для маршрутизации. Один из них находится в публичном доступе всего неделю; за плечами другого — семь недель использования в продакшене.

Две тарифные карты, которые кажутся более разными, чем есть на самом деле

Начните с исходной структуры, потому что именно в разбиении на уровни эти два и расходятся на практике.

• Цена вывода — Carbon $10 за миллион до 30 ноября 2026 года, затем $20. Grok 4.7 — $6 за миллион при менее 200 000 входных токенов, затем $12.

• Цена за вход — Carbon $2, затем $4 с 1 декабря. Grok 4.7 — $2, а выше отметки 200k — $4. Идентичная структура, идентичные числа, разные привязанные даты.

• Кэшированный ввод — Carbon: $0.10 за миллион сейчас, $0.20 после 1 декабря, только неявное кэширование. Grok 4.7: $0.50, повышается до $1.00 на длинных промптах, со скидкой 75% на обычную ставку.

• Контекст — Carbon: 1 048 576 токенов. Grok 4.7: 500 000. У Carbon окно больше в два раза.

• Потолок вывода — Carbon: 65 536 токенов синхронно, до 1 048 576 при длительном декодировании. Grok 4.7 — до 450 000. На практике Grok пишет более длинные ответы за один вызов, чем Carbon по умолчанию.

• Входная модальность — Carbon принимает текст, изображения, аудио, видео и PDF. Grok 4.7 принимает текст, изображения и файлы.

• Веса — оба закрыты. Ни один из них нельзя развернуть самостоятельно, поэтому оба несут одинаковый риск зависимости от поставщика.

• Объём рассуждений — Carbon thinking на низком, среднем и высоком уровнях; Grok 4.7 — на низком, высоком и xhigh. Опубликованные показатели приводятся на высоком уровне и уровне xhigh соответственно — это первое, что нужно проверить, прежде чем копировать любой показатель из заголовка.

Две асимметрии в этом списке играют реальную роль. Контекст Carbon в 1M вдвое больше, чем у Grok, что важно для работы с целыми репозиториями или множеством документов. Потолок вывода Grok в 450K в семь раз превышает синхронный лимит Carbon, что важно, если сам результат должен быть длинным — сгенерированный отчёт, мигрированный файл, длинная серия патчей. Модель, которая может вместить миллион токенов входа, но вернуть обратно только 65K, не является моделью с длинным выводом, как бы ни выглядело окно контекста в спецификации.

Число, которое согласует две цены

Artificial Analysis оценивает обе модели по одному и тому же индексу из девяти оценок версии v5.0.1 и публикует стоимость одной задачи индекса, которая учитывает, сколько токенов каждая модель фактически расходует на завершение работы. Именно из-за этого измерения сравнение идёт не так, как можно было бы предположить по прайс-листу.

• Индекс интеллекта — Gemini 4 Carbon 60 при высоком усилии, четвёртое место из 74. Grok 4.7 35 при xhigh, сорок первое место из 74. Средняя и низкая настройки Carbon дают 58 и 54; высокая и низкая настройки Grok показывают 35 и 31 соответственно.

• Стоимость одной задачи индексирования — Carbon $7.76, Grok $7.77. Разница в один цент в пользу более дорогой модели.

• Выходные токены в индексе — Carbon: 205 млн, Grok: 148 млн, при медиане 72,8 млн.

• Время на одну задачу индексации — Carbon 25,6 минуты, Grok 25,9 минуты. Снова на одном уровне.

• Скорость вывода — Carbon 80 токенов в секунду, Grok 67. Carbon — более быстрый генератор, несмотря на то, что он дороже.

• Время до первого токена ответа — Carbon 66,85 секунды, Grok 53,64 секунды. Оба показателя значительно выходят за пределы медианы в 12 секунд для их ценового сегмента, причём Grok из этих двух быстрее начинает.

Объяснение — в многословности, а не в скидке. Carbon выдаёт на 39% больше выходных токенов на задачу, чем Grok, а цена его выходных токенов на 67% выше, и всё же итоговая стоимость задачи укладывается в пределах одного цента, потому что цена токена у Grok — не единственный компонент счёта: объём входных данных, токены рассуждений и структура задачи тоже вносят вклад. Как бы ни раскладывались точные составляющие, практический вывод должен выдерживать любую перепроверку: сравнение этих двух моделей по цене за токен почти ничего не говорит о стоимости рабочей нагрузки, а заявленные цены двух поставщиков различаются сильнее, чем измеренная стоимость за результат.

Двадцать пять баллов — это не везде двадцать пять баллов

Составной разрыв такого размера обычно сохраняется при декомпозиции; вопрос в том, где он сохраняется, а где нет. Три оговорки, прежде чем кто-либо начнёт строить бюджет из расчёта 60 против 35.

Первое — это усилие. У Carbon 60 — при высоком усилии, у Grok 35 — при xhigh. Оба варианта — предпочтительные настройки производителей, а не согласованные между собой, поэтому сравнение идёт между моделями, запущенными так, как задумал их создатель, а не при равных вычислительных затратах. Снизьте настройку у любой из них — и разрыв сузится или расширится в зависимости от того, какую сторону вы сдвигаете: у Carbon при низком усилии — 54, у Grok при низком — 31.

Второе: индекс v5.0.1 представляет собой объединение девяти оценок, а рейтинг не публикует оценки по отдельным бенчмаркам ни для одной из моделей — на каждом подграфике на обеих страницах указано «Публично доступного API нет». Поэтому честная формулировка такова: Carbon побеждает по сводному показателю с отрывом в 25 баллов, и никто за пределами Artificial Analysis сейчас не может сказать, какие именно из девяти оценок обеспечили этот отрыв. Любой, кто публикует разбивку по бенчмаркам для этой пары, либо цитирует вендора, либо выдумывает её.

Третье: индекс — это всего один инструмент. Хороший, недавно пересмотренный и последовательно применяемый к обеим моделям, но это не продуктовое решение. Модель, потерявшая 25 композитных баллов, всё ещё может выиграть на вашей задаче, и следующие два раздела посвящены случаям, когда это происходит.

Где Grok 4.7 одерживает безоговорочную победу

Три из них, причём первый — не эталон.

Зрелость. Grok 4.7 находится в общем доступе уже семь недель. Gemini 4 Carbon можно вызывать один день — после развёртывания, которое за две недели дважды меняло форму: анонс с ограниченным доступом 28 октября, платный API 10 ноября, удвоение цены 1 декабря. Команде, которой нужно, чтобы модель оставалась той же самой в следующем квартале, в этот момент доступен ровно один вариант из этой пары с подтверждённой историей.

Длинный вывод за один вызов. 450 000 токенов против 65 536 при синхронном режиме. Если задача — «написать весь файл», а не «ответить на вопрос», потолок решает дело раньше, чем индекс.

Предсказуемость затрат на длинных промптах, если ваш входной объём невелик. Переход Grok к тарифам $4/$12 срабатывает только при входном объёме свыше 200 000 токенов, а ниже этой отметки его ставка за выход в $6 составляет треть от $20 у Carbon после декабря. Для нагрузки с умеренным входом и тяжёлым выходом — суммаризация, черновики, преобразование — арифметика действительно в пользу Grok, и почти идентичная стоимость на одну задачу индексации говорит именно об этом конкретном наборе из девяти оценок, а не является универсальным законом.

Напротив, кэшированный ввод Grok по $0,50 за миллион в пять раз дороже текущих $0,10 у Carbon. Для RAG-конвейера, который при каждом вызове повторно отправляет один и тот же корпус на 100 000 токенов, одна эта строка может перевесить всё вышесказанное. Именно так команды чаще всего выбирают не ту модель из этих двух: они сравнивают тарифы на вывод и никогда не рассчитывают экономику кэша для собственного профиля трафика.

Где Carbon стоит своих денег

Аргументы в пользу Carbon более узкие, чем его индексная оценка, и более сильные, чем предполагает его цена.

Мультимодальный приём данных. Аудио- и видеовход — самый чистый разделитель во всём этом сравнении. Carbon принимает оба типа данных; Grok 4.7 не указывает ни один из них. У пайплайна, которому нужно просматривать запись экрана или транскрибировать звонок и делать по нему выводы, здесь есть только один кандидат, и никакое количество баллов индекса этого не компенсирует.

Работа в области кибербезопасности и уязвимостей. Для этого Google создала Carbon, ограничила первый релиз кругом киберзащитников и сообщает о показателях SEC-bench Pro — 88,2%, ExploitGym — 54,8% и CWE-bench — 71,0%; все они заявлены производителем и не воспроизведены, но направление согласуется с заявленным назначением модели и с тем, что Google решила выпустить её для защитников раньше, чем для разработчиков. xAI не делает сопоставимых заявлений о кибервозможностях для Grok 4.7.

Контекст всего репозитория. Окно в 1M против 500K. Вдвое больший потолок — это реальная разница для задач масштаба монорепозитория, и в конкретном случае «удержать весь сервис в контексте и рассуждать в его рамках» Grok не может сравниться.

И один честный противовес: преимущество Carbon покупается задержкой. При 66,85 секунды до первого токена и 25,6 минуты на задачу индексирования это не модель, которую можно поставить за интерфейс запрос-ответ без изрядного запаса терпения. Grok с 53,64 секунды — тоже. Если вашему продукту нужны ответы менее чем за 10 секунд, то это сравнение двух моделей, которые обе проигрывают, и ответ — меньшая, более быстрая модель с любой стороны.

Запустить оба — это и есть правильный ответ.

Причина, по которой это сравнение не поддается однозначному вердикту, в том, что две модели созданы для разных этапов одного и того же пайплайна. Carbon — для входного этапа, где доминируют модальность и контекст, а объем невелик. Grok — для этапа длинного вывода, где задача состоит в генерации большого объема текста из ограниченного промпта и где ставка $6 за вывод выигрывает у ставки $20. Большинству команд, которым нужна одна из них, нужны обе, и ошибка — оформлять два контракта, два SDK и две схемы биллинга, чтобы получить их.

Один OpenAI-совместимый эндпоинт — это короткий путь, и он уже доступен сегодня для маршрутизируемой половины этой пары: grok/grok-4.7размещён на OrcaRouter по собственным ценам xAI $2/$6 — тот же прайс-лист, переданный с наценкой 0%, включая ступень $4/$12 свыше 200 000 входных токенов — наряду с google/gemini-4-argonпо $2/$10 для задач на стороне Gemini, которым не требуется набор модальностей Carbon. Сам Gemini 4 Carbon в каталоге отсутствует; доступ к нему осуществляется через платный API Google, и этот участок конвейера представляет собой прямую интеграцию.

DSL маршрутизации — это та часть, которая делает разделение практичным, а не умозрительным: один и тот же запрос можно составить так, чтобы сначала попробовать дешёвый путь и перейти к более дорогому при ошибке валидации, с автоматическим переключением при отказе, если провайдер деградирует. Здесь это важнее, чем обычно, потому что дорогая модель в этой паре за четырнадцать дней дважды меняла условия доступа. Конвейер, способный перевести ветку на другую модель без повторного развёртывания, — единственная версия этой архитектуры, которая переживёт дорожную карту собственного поставщика.

Выбирайте по тому ограничению, которое у вас действительно есть.

• Если результат — длинный вывод по ограниченному запросу — Grok 4.7, и сначала проверьте объём кэша.

• Если входные данные включают аудио, видео или сканированные PDF-файлы — Carbon, потому что в этой паре альтернативы нет.

• Если задача — анализ безопасности или триаж уязвимостей — Carbon, опираясь на опубликованные Google показатели кибербезопасности и собственный выбор компанией пороговых условий, с оговоркой, что ни одна из этих цифр не была независимо воспроизведена.

• Если вам нужен весь репозиторий в контексте — 1M-окно Carbon, с принятием задержки.

• Если вам нужна модель, условия которой не изменятся в следующем месяце — Grok 4.7, и это более сильный аргумент, чем кажется.

• Если вы не можете решить — запустите оба. Измеренная стоимость на задачу составляет менее цента, поэтому двухнедельное сравнительное тестирование стоит примерно столько же, сколько одна модель, и даёт лучший ответ, чем любой составной показатель.

Ни один из этих списков не скажет вам, какая модель умнее, потому что «умнее» — это не та величина, которую имеет смысл мерить на таком расстоянии. Двадцать пять пунктов индекса — это большой разрыв, если измерить его как следует, и всё же более дешёвая на бумаге модель остаётся вровень по стоимости за результат и впереди по потолку вывода, зрелости и времени до первого токена. Это не противоречие в бенчмарках. Это то, что бывает, когда две модели созданы для разных задач, а продвигаются под одним и тем же словом.