SpaceXAI milik Elon Musk merilis Grok 4.7 pada Senin dengan harga US$2 per sejuta token input. Namun, dalam pengujian internal perusahaan, Anthropic's Claude Fable 5.1 masih berada di depan pada sebagian besar tolok ukur.
Poin Utama:
- SpaceXAI meluncurkan Grok 4.7 dengan harga yang sama seperti Grok 4.6, sementara token output dikenakan US$6 per sejuta.
- Claude Fable 5.1 tetap unggul di GDPval, CursorBench, dan Terminal-Bench dalam perbandingan internal perusahaan.
- Grok 4.7 menang di bidang teknik elektro dan pekerjaan hukum setelah jadwal peluncuran beberapa kali diundur.
Peluncuran Grok 4.7
Perusahaan pada Senin mengumumkan model ini sebagai versi paling mumpuni sejauh ini untuk pemrograman dan pekerjaan berbasis pengetahuan. Grok 4.7 kini tersedia di Cursor, Grok Build, API Grok, serta sejumlah alat coding pihak ketiga. Varian yang lebih cepat dibanderol dua kali lipat. Biaya token output tetap US$6 per sejuta, tidak berubah dari Grok 4.6 yang dirilis sekitar sebulan lalu.
SpaceXAI menyebut Grok 4.7 berjalan di atas basis model baru yang lebih besar, dilatih dengan sesi reinforcement learning yang lebih panjang dan difokuskan pada persoalan yang memerlukan waktu berjam-jam untuk diselesaikan. Model ini juga dibekali sistem pengaman yang dibangun ulang. Musk secara terpisah mengklaim model ini memiliki 2,1 triliun parameter, naik dari 1,5 triliun, dengan pelatihan tambahan yang diklaim berasal dari data rekayasa SpaceX, meski tidak disebutkan dalam posting peluncuran.
Baca juga: Bug Polymarket Bikin Peretas Bisa Masuk Akun Tanpa Kata Sandi
Claude Fable 5.1 Masih Memimpin
Pada GDPval, yang menilai kinerja AI untuk pekerjaan pengacara, perawat, dan analis keuangan, Grok 4.7 meraih skor Elo 1.695, di bawah Claude Fable 5.1 yang mencatat 1.735. Model ini juga tertinggal pada AA Briefcase, tes untuk tugas kantor berdurasi berjam-jam. Di Terminal-Bench, selisihnya melebar hampir 20 poin.
Meski demikian, model terbaru ini tetap menang di beberapa area. Grok 4.7 mengungguli Fable 5.1 dalam uji teknik elektro dengan skor 64% berbanding 56,4%, serta melipatgandakan skor rivalnya pada benchmark agen hukum Harvey untuk para pengacara. Dibanding Grok 4.6, performa Grok 4.7 meningkat di seluruh pengujian yang dipublikasikan perusahaan, bahkan hampir menggandakan skor pendahulunya di pekerjaan terminal.
Seluruh angka tersebut berasal dari SpaceXAI sendiri. CursorBench, tes coding yang dijadikan sorotan utama perusahaan dan dimenangi Cursor dengan skor 51,8% berbanding 46,3%, dikembangkan oleh Cursor, editor yang baru saja diakuisisi SpaceX bulan lalu. Satu keunggulan Grok 4.7 ada pada harga: hanya seperlima dari biaya yang dikenakan Fable 5.1 untuk token input.
Sederet Penundaan Elon Musk
Peluncuran ini menutup musim panas yang dipenuhi target yang meleset, setelah Musk beberapa kali mengundur jadwal rilis. Pada akhir Juli, ia sempat menyebut model ini tinggal empat minggu lagi dirilis. Namun pada 1 September, ia mempersempit perkiraan menjadi 10 hari, lalu pada 11 September mengakui model itu masih butuh beberapa hari pelatihan tambahan.
Beberapa hari sebelum dirilis, Musk kembali menurunkan ekspektasi dengan menyebut Grok 4.7 baru setara kira-kira dengan Claude Opus 5.0, bukan Opus 5.1 yang lebih baru, sementara pekerjaan multimodal masih belum selesai. Setelah itu, ia menyebut Grok 4.8 sebagai lompatan yang berarti. Adapun Grok 5, menurutnya, berpotensi langsung memimpin pasar, meski belum ada tanggal rilis untuk keduanya.
Baca Selanjutnya: AI Belum Siap untuk Senjatanya Sendiri, Peringatkan Peretas yang Membobol OpenAI
