SpaceXAI de Elon Musk lanzó este lunes Grok 4.7 con un precio de 2 dólares por millón de tokens de entrada, aunque sus propios benchmarks sitúan a Anthropic y su Claude Fable 5.1 por delante en la mayoría de las pruebas.
Puntos clave:
- SpaceXAI estrenó Grok 4.7 al mismo precio que Grok 4.6, con 6 dólares por millón de tokens de salida.
- Claude Fable 5.1 mantuvo la ventaja en GDPval, CursorBench y Terminal-Bench según la comparación de la propia compañía.
- Grok 4.7 ganó en ingeniería eléctrica y trabajo jurídico tras meses de retrasos en su lanzamiento.
Despliegue de Grok 4.7
La compañía anunció el modelo este lunes como el más capaz hasta la fecha para programación y tareas intensivas en conocimiento, y ya está disponible en Cursor, Grok Build, la API de Grok y otros entornos de desarrollo de terceros. Una variante más rápida cuesta el doble. Los tokens de salida se facturan a 6 dólares por millón, sin cambios frente a Grok 4.6, lanzado hace algo más de un mes.
SpaceXAI explicó que Grok 4.7 se apoya en un nuevo modelo base de mayor tamaño, entrenado con una fase más larga de aprendizaje por refuerzo orientada a problemas que requieren muchas horas de trabajo, y que incorpora una nueva capa de salvaguardas. Musk afirmó por separado que el modelo tiene 2,1 billones de parámetros, frente a 1,5 billones anteriormente, con entrenamiento adicional procedente de datos de ingeniería de SpaceX que la nota de lanzamiento no menciona.
Leer también: Un fallo en Polymarket permitió a ladrones entrar en cuentas sin contraseña
Claude Fable 5.1 mantiene la delantera
En GDPval, una prueba que evalúa el desempeño de la IA en trabajos realizados por abogados, enfermeras y analistas financieros, Grok 4.7 obtuvo una puntuación Elo de 1.695 frente a 1.735 de Claude Fable 5.1. También quedó por detrás en AA Briefcase, un test de tareas de oficina de varias horas. En Terminal-Bench, la diferencia se amplió hasta casi 20 puntos.
El modelo más reciente sí se impuso en algunos apartados: superó a Fable 5.1 en una prueba de ingeniería eléctrica, con un 64% frente al 56,4%, y triplicó la puntuación de su rival en el benchmark de agente legal de Harvey para abogados. Grok 4.7 mejoró a Grok 4.6 en todas las pruebas publicadas por la compañía y casi duplicó el rendimiento de su antecesor en tareas de terminal.
Todos esos datos proceden de la propia SpaceXAI. CursorBench, la prueba de programación con la que la empresa abrió la presentación y en la que perdió por 51,8% frente a 46,3%, está desarrollada por Cursor, el editor que SpaceX terminó comprando el mes pasado. La baza de Grok 4.7 es el precio: cuesta una quinta parte de lo que cobra Fable 5.1 por los tokens de entrada.
Los retrasos de Elon Musk
El lanzamiento cierra un verano de incumplimientos en el calendario, con Musk posponiendo la fecha en repetidas ocasiones después de afirmar a finales de julio que el modelo estaría listo en cuatro semanas. El 1 de septiembre acotó el plazo a 10 días y, el 11 de septiembre, admitió que aún necesitaba unos días más de entrenamiento.
A pocos días del estreno, rebajó de nuevo las expectativas y situó Grok 4.7 en un nivel similar al de Claude Opus 5.0, en lugar del más reciente Opus 5.1, con el trabajo multimodal todavía sin completar. Desde entonces, ha calificado Grok 4.8 como un salto relevante. Grok 5, sugirió, podría situarse claramente a la cabeza del mercado, aunque ninguno de los dos modelos tiene fecha de lanzamiento.
Siguiente lectura: La IA no está preparada para sus propias armas, advierte el hacker que irrumpió en OpenAI
