Grok 4.7 ist da. Was bringen die besseren Benchmarks?

Was zeigen die Benchmarks von Grok 4.7?

SpaceXAI kündigt Grok 4.7 auf X mit einer Vergleichsgrafik an. Beim Coding-Test CursorBench steigt der Wert von 40,4 auf 46,3 Prozent, beim Terminal-Bench laut X-Grafik von 20,3 auf 38,0 Prozent. Die Tabelle auf der Release-Seite nennt für Terminal-Bench 37,6 Prozent (Stand: 29.09.2026). Das sind 5,9 beziehungsweise gut 17 Prozentpunkte mehr. Die Tabelle zeigt zugleich: Je nach Aufgabe liegen auch andere Modelle vorn.

Das sind Herstellerangaben, kein eigener Test. Grok 4.7 läuft hier meist mit xhigh, der Vorgänger mit high; bei DeepSWE kennzeichnet das Sternchen high für 4.7. Rechenaufwand und eingesetzte Agenten-Software beeinflussen die Ergebnisse. Mehr Punkte belegen weder bessere Bilder noch mehr Reichweite auf X.

Was zeigt die Kosten-Grafik zusätzlich?

Die Grafik des Anbieters stellt den CursorBench-Wert den durchschnittlichen Kosten je Aufgabe gegenüber. Oben heißt: höherer Testwert. Rechts heißt hier: günstiger, weil die Dollar-Achse nach rechts abnimmt. Die Prozentachse startet bei 20 %; Abstände wirken dadurch größer als auf einer Skala ab null. Ein Modell kann günstig sein, ohne den höchsten Wert zu erreichen.

Wo gibt es 4.7 – und was kostet es?

Die Dokumentation nennt die xAI-API, Cursor und Grok Build als Zugänge, dazu die Modell-Gateways OpenRouter, Vercel und Cloudflare. Das Kontextfenster umfasst 500.000 Token, also die Textbausteine, mit denen das Modell arbeitet. Eine Freischaltung in jedem Grok-Chat-Tarif folgt daraus nicht.

In der regulären API kosten eine Million Eingabe-Token 2 USD und eine Million Ausgabe-Token 6 USD. Für lange Prompts nennt die Preistabelle 4 beziehungsweise 12 USD. Sie markiert die Grenze bei 200.000 Prompt-Token. Das sind nutzungsabhängige API-Preise, keine monatlichen Chat-Abos. Grok 4.6 kostet laut Preistabelle genauso viel. Die Fast-Variante kostet das Doppelte der Standardpreise, bei langen Prompts das 1,5-Fache, und ist nur in Cursor und Grok Build verfügbar, nicht über die öffentliche API.

Was bedeutet das für die Bilderzeugung?

Grok 4.7 verarbeitet Text und Bilder, gibt selbst aber Text aus. Für die eigentliche Bilderzeugung dokumentiert der Anbieter separate Grok-Imagine-Modelle. Die Coding-Werte oben belegen deshalb keine bessere Bildqualität.

Für einen eigenen Vergleich würde ich denselben Bildauftrag mehrfach mit dem jeweiligen Imagine-Modell ausführen und Motivtreue, lesbare Schrift sowie die nötige Nacharbeit prüfen. Bei X-Texten wären passende Antworten und Profilbesuche näher am Ziel als ein Coding-Score. Das ist ein Vorschlag für den nächsten Test, kein bereits gemessenes Ergebnis.