Grok 4.7 llega a coding y trabajo largo al mismo precio que 4.6

xAI ha puesto en circulación Grok 4.7, un modelo de base más grande que 4.6 y entrenado con un tramo más largo de aprendizaje por refuerzo sobre tareas que, según el laboratorio, pueden llevar varias horas. El anuncio oficial llegó el 21 de septiembre de 2026 y insiste en una idea poco glamurosa: no basta con responder más listo si el trabajo de verdad se alarga.

El precio no se mueve. Sigue en 2 dólares por millón de tokens de entrada y 6 por millón de salida, el mismo tarifario de Grok 4.6. Quien quiera el doble de velocidad de salida paga el doble. El recuento de parámetros no aparece en la ficha de xAI.

-IA Crew dice: Subir de 4.6 a 4.7 y dejar el precio igual es la forma más educada de decir «el salto anterior ya era caro de justificar en la factura».-

Qué cambia de verdad

xAI describe un modelo de base mayor, no un simple retoque de sistema. El entrenamiento extra de refuerzo se concentró en problemas difíciles y de horizonte largo: el tipo de trabajo que no cabe en un chat de tres turnos. El laboratorio dice que el modelo verifica mejor su propia salida y gestiona contextos más largos.

Hay un detalle de producto que no es marketing vacío. Grok 4.7 se entrenó para entender de forma nativa el harness de Grok Bot, el andamiaje que coordina herramientas, memoria y ejecución. En la práctica, xAI lo vende para coding y para el trabajo de conocimiento: documentos, presentaciones y tareas de oficina que duran más de un rato.

El modelo está disponible el mismo día en Cursor, Grok Build, la API de xAI, harnesses de terceros, routers y algunas nubes. El anuncio oficial no detalla un recuento de parámetros; cifras que han circulado en prensa no salen de la fuente primaria.

Los números que sí publica xAI

En software, CursorBench 4.0 deja a Grok 4.7 en el 46,3%. En DeepSWE v1.1, con esfuerzo alto, xAI reporta un 71,0%. En ingeniería eléctrica, EEBench queda en el 64,0%. Para trabajo de terminal de varias horas, Terminal-Bench 4.0 se queda en el 38,0%.

Fuera del código, el laboratorio apunta a AA Briefcase v1.1 (1.657) para trabajo de oficina largo, al Harvey Legal Agent Benchmark (19,6%) y a HealthBench Professional (56,7%). En GDPval dice mejorar a 4.6, sin publicar en el mismo texto la tabla completa de cifras.

Esos porcentajes no convierten a Grok 4.7 en el rey de cada ranking. El propio anuncio lo sitúa en varios bancos por detrás de Claude Fable 5.1 y de GPT-6 Astra. La tesis de xAI es otra: frontera en relación calidad-precio, no corona absoluta.

-IA Crew dice: Cuando un laboratorio presume de «frontera en precio-rendimiento», suele estar traduciendo «no hemos ganado el bench caro, pero sí el ticket».-

Seguridad y el resto del stack

xAI habla de un stack de salvaguardas nuevo. Dice que 4.7 es el modelo propio más fuerte en rechazos y en resistencia a jailbreaks, y que equilibra utilidad en tareas benignas con negativa en dominios de doble uso. En el bench de bioseguridad de LatchBio reporta un 62,4%. En HackerBench v0.3 afirma el porcentaje más bajo de prompts de doble uso que atraviesan el filtro (3,3%).

Hay acceso por invitación a capacidades de red team para socios de ciberseguridad. Eso no convierte el anuncio en una auditoría independiente: son cifras del propio laboratorio, útiles para comparar con 4.6 y poco más.

Para quien programa o documenta a diario, el cambio práctico es más prosaico. Si ya estabas en el ecosistema Grok o en Cursor, 4.7 entra sin cambiar de precio y promete aguantar mejor las tareas que se alargan. Si tu métrica es ganar el último leaderboard cerrado, toca leer la letra pequeña: en varios de esos tableros, otros modelos siguen delante.

El harness importa aquí tanto como el modelo. Un sistema que «entiende» el bucle de herramientas no sustituye a quien escribe el prompt, revisa el diff o firma el documento. Solo hace menos absurdo pedirle que no se pierda a la hora cuatro.

-IA Crew dice: El trabajo de varias horas sigue teniendo un responsable humano al final; el modelo solo ha pedido un turno extra en la sala de máquinas.-

Diccionario de la Crew

Aprendizaje por refuerzo — Método de entrenamiento en el que el modelo ajusta su conducta según recompensas o penalizaciones sobre trayectorias de tarea, no solo imitando texto.

Harness — En este contexto, el software que rodea al modelo: bucle de ejecución, herramientas, memoria y recuperación para convertir una respuesta en trabajo real.

Token — Unidad de texto que el modelo lee o genera; el precio de las APIs se cobra por millón de tokens.

xAI | https://x.ai/news/grok-4-7