GPT-6 Sol vs Grok 4.7: Den billigare token som kostar tre gånger så mycket

Två modeller lanserades med en dags mellanrum i september 2026, och på prislappen är de inte nära varandra. Grok 4.7lanserades den 21 september till 2,00 USD per miljon indatatoken och 6,00 USD per miljon utdatatoken. GPT-6 Sollanserades den 22 september till samma 2,00 USD för indata och 10,00 USD för utdata. Groks utdata är 40 % billigare. Det är hela grunden till att de flesta jämförelser väljer den, och det är fel siffra att titta på.

Siffran som avgör den här matchningen finns inte på någon av prislistorna. Det är 240 miljoner mot 77 miljoner – de utdatatokens som varje modell genererade medan Artificial Analysis körde sitt Intelligence Index. Grok 4.7 förbrukade lite drygt tre gånger så många tokens för att besvara samma uppsättning frågor. Multiplicera det med priset per token, och modellen med billigare utdata hamnar på 3,74 dollar per slutförd uppgift mot 1,06 dollar. Billigare per token, mer än tre gånger så hög nota.

Vad varje modell faktiskt är

Grok 4.7 är xAI:s efterträdare till Grok 4.6 och positioneras som företagets starkaste modell för kodning och kunskapsarbete, med ett kontextfönster på 500 000 token, text- och bildinmatning, textutdata samt resonemangsinsats som kan konfigureras över låg, medel, hög och xhigh. xAI har inte offentliggjort något parameterantal. Den accepterar en förträningsgräns som rapporteras vara juni 2026 med kompletterande träning fram till augusti.

GPT-6 Sol är OpenAI:s GPT-6-modell på mellannivå – under flaggskeppet GPT-6 Astra, över budgetmodellen GPT-6 Luna – med ett kontextfönster på 1 050 000 token, en maximal indata på 922 000 token, ett utdatatak på 128 000 token och en kunskapsgräns den 20 april 2026. Den tar emot text och bild och ger text ut, med resonemangsansträngning från ingen till max, och OpenAI har beskrivit dess prissättning som permanent snarare än kampanjbaserad.

Kontextfönstren är inte i närheten av varandra. Sols är ungefär dubbelt så stort. Det spelar roll för exakt en typ av arbetsbelastning, och det är inte den typ som de flesta kör.

Prislistan, och raden som inverterar den

• Indata — GPT-6 Sol $2.00 per miljon tokens vs Grok 4.7 $2.00 per miljon tokens; identiska

• Utdata — GPT-6 Sol $10.00 per miljon tokens jämfört med Grok 4.7 $6.00 per miljon tokens; Grok är 40 % billigare

• Cachad indata – GPT-6 Sol 0,20 USD per miljon tokens jämfört med Grok 4.7 0,50 USD per miljon tokens; Sols cacheläsning är billigare med en faktor två och en halv, vilket är motsatsen till vad utpriset antyder

• Cache-skrivningar — GPT-6 Sol 2,50 USD per miljon tokens jämfört med Grok 4.7, en taxa som inte publiceras i samma ark

• Kontextfönster — GPT-6 Sol 1 050 000 tokens vs Grok 4.7 500 000 tokens

• Tilläggsavgift för lång kontext – GPT-6 Sol prissätter om en begäran över 272 000 indatatoken till 2× indata- och cacheavgifter samt 1,5× utdata för hela begäran, jämfört med Grok 4.7 som fördubblar alla avgifter vid 200 000 indatatoken, också det för hela begäran

• Kunskapsgräns — GPT-6 Sol 20 april 2026 vs Grok 4.7, en förträningsgräns som uppges vara i juni 2026 med kompletterande träning till och med augusti

• Resonemangsansträngning — GPT-6 Sol ingen, låg, medel (standard), hög, xhög, max mot Grok 4.7 låg, medel (standard), hög, xhög

• Modalitet — text och bild in, text ut, för båda

Cache-raden är den en köpare bör sätta sig in i. Groks utdatahastighet är lägre, men dess cachade indata är två och en halv gånger Sols, och cachat indata är där långa agenthistorier och upprepade systemprompter finns. En arbetsbelastning som mestadels återläser en stor stabil kontext kommer att finna de två mycket närmare än vad $6 mot $10 antyder — och när tokenvolymförhållandet appliceras ovanpå det, vänds ordningen.

Varför 240 miljoner tokens är hela historien

Artificial Analysis mätte Grok 4.7 vid xhigh till att generera ungefär 240 miljoner utdatatoken under sin indexkörning, jämfört med en median på omkring 88 miljoner för modellerna på samma resultattavla. Dess egen sammanfattning kallar modellen "anmärkningsvärt långsam och mycket ordrik". GPT-6 Sol, mätt i samma testramverk, genererade 77 miljoner – på resultattavlan beskrevs den som "ganska kortfattad".

Resultattavlan redovisar också konsekvensen direkt. Grok 4.7 får 46 på Intelligence Index för $3,74 per uppgift. Vid sin höga inställning är poängen också 46 och kostnaden $2,73 per uppgift. GPT-6 Sol får 48 för $1,06 per uppgift. Samma index, samma testramverk och en kostnadsskillnad på två till tre och en halv gånger som ingen prislista visar.

Två varningar innan du behandlar dessa siffror som en ren direktjämförelse. De två sidorna hämtades samma dag, men resultattavlorna har olika totaler – Groks sida visar en klass med 212 modeller, och en separat Grok-listning rapporterar en placering av 655 – så de två poängen är inte garanterat från samma indexversion. Och ingen av siffrorna är en leverantörssiffra: Artificial Analysis kör sin egen testrigg, vilket är poängen, men resonemangsinställningarna skiljer sig mellan de två listningarna (xhigh för Grok, max för Sol), så behandla kostnadsskillnaden på femhundra procent som fyndet och indexskillnaden på två punkter som ungefärlig.

Vad xAI publicerade, och vad ingen har granskat

xAI:s egna lanseringssiffror är starka och, likt alla leverantörers lanseringssiffror, oreproducerade. CursorBench 4.0 på 46,3 % vid xhigh mot Grok 4.6:s 40,4 %. Terminal-Bench 4.0 på 38,0 % mot 20,3 % – den största enskilda förbättringen i släppet. DeepSWE v1.1 på 71,0 % vid high mot 65,2 %. EEBench på 64,0 % mot 53,0 %. Det är xAI:s egen testrigg, xAI:s egna inställningar, xAI:s egen rapportering.

OpenAI:s siffror för GPT-6 Sol följer samma mönster och förtjänar samma avdrag. Skillnaden är att Sol har en ytterligare oberoende beviskälla jämfört med Grok: Artificial Analysiss siffra för kostnad per uppgift, som beräknas utifrån uppmätt tokenförbrukning i stället för från en leverantörs poängtabell. Det är den siffran som överlever den här jämförelsen.

Det som ingen har publicerat för någon av modellerna är en direkt jämförelse på samma uppgifter med samma testramverk och samma ansträngningsinställning. Om du ser en sådan, kontrollera vilken av dessa tre variabler som har ändrats.

Prissättning av en månads cachad agenttrafik

Ta en arbetsbelastning som till största delen består av stabil kontext: en kodagent med en systemprompt på 60 000 tokens och en reposammanfattning, som läses om vid 5 000 anrop i månaden, där varje anrop returnerar 4 000 output-tokens. Anta att cachelagring fungerar och att det stabila prefixet faktureras till den cachade taxan.

På GPT-6 Sol: 300 miljoner cachade indatatoken till $0,20 per miljon är $60,00. Tjugo miljoner utdatatoken till $10,00 per miljon är $200,00. Totalt $260,00.

Med Grok 4.7: samma 300 miljoner cachade indatatokens till 0,50 USD per miljon blir 150,00 USD. Tjugo miljoner utdatatokens till 6,00 USD per miljon blir 120,00 USD. Totalt 270,00 USD.

Nästan identiska – och det med tokenvolymen hållen konstant, vilket är det generösa antagandet. Grok 4.7:s uppmätta mångordighet vid indexkörningen var tre gånger så hög som Sols. Applicera ens en 1,5×-multiplikator på utdatavolymen, och Groks nota går till $330,00 mot Sols $320,00, och gapet ökar därifrån. Den billigare prissättningen för utdata överlever inte cachelagring plus mångordighet; den överlever knappt cachelagring i sig.

Inget av detta är ett påstående om endera modellens pris via OrcaRouter – ingen av dem finns i vår katalog. GPT-6 Sol nås via OpenAIs eget API och Grok 4.7 via xAIs; resten av Grok-serien, inklusive Grok 4.6, kan dirigeras via oss till xAI:s listpris enligt vidarefaktureringsmodellen. Poängen med räkneexemplet är att den eskaleringsregel du skriver bör baseras på kostnaden per slutförd uppgift i din egen trafik, inte på prislistan – och ett routinglager är det som låter dig testa den regeln utan ett andra avtal.

Där var och en hör hemma

• Högvolymigt agentarbete med cachad kontext – GPT-6 Sol. Raden för cachad indata är 2,5× till Sols fördel, och raden för utdatavolym är sämre än så till Groks fördel, och de förstärker varandra.

• Kodarbete där du vill ha den starkaste publicerade Terminal-Bench-förbättringen i utgåvan — Grok 4.7 är modellen med den siffran, och den är stor. Budgetera bara för tokens, inte för hastigheten.

• Långa dokument över 500 000 tokens – GPT-6 Sol, och det är inte ens nära. Groks fönster slutar där Sols är halvvägs.

• Latenskänsliga vägar — ingen av dem. Artificial Analysis listar Grok 4.7 vid 39,2 utdatatokens per sekund, vilket Artificial Analysis beskriver som märkbart långsamt. Kontrollera Sols egen hastighetssiffra på den aktuella resultattavlan innan du antar att den är bättre.

• Om du fick se en jämförelse per token som slutar med ”så Grok är billigare” — den slutade ett steg för tidigt. Nästa steg är tokenantalet.