Grok 4.7

Artículo original ↗ Discusión en Hacker News ↗

Grok 4.7, el modelo de lenguaje grande más reciente de xAI, se está juzgando como un avance modesto en capacidad bruta respecto a Grok 4.6, pero como un retroceso en eficiencia de tokens y valor, especialmente para flujos de trabajo agentivos de codificación de larga duración. Los comentaristas informan que puede ser fuerte para ciertas tareas como frontends web, investigación legal y trabajo de image‑to‑HTML, pero aun así queda por detrás de los mejores modelos de Anthropic y OpenAI en muchos benchmarks y a menudo consume muchos más tokens para lograr resultados similares. A muchos también les desanima el precio opaco de la caché, los límites recortados de suscripción y el lastre político de su empresa matriz, mientras que otros lo reciben como una alternativa rápida, en inglés llano, que amplía el campo de los modelos propietarios serios.

Calidad percibida general vs. competidores

  • Las opiniones están divididas: algunos dicen que Grok (4.6/4.7) es “sólido” y a menudo mejor que los modelos chinos más baratos para tareas difíciles; otros lo encuentran claramente por detrás de OpenAI/Anthropic en capacidad y fiabilidad.
  • Varios usuarios dicen que 4.6 se sentía aproximadamente como modelos antiguos de la era Opus/Sonnet; 4.7 es visto por algunos como solo un pequeño avance, o incluso un retroceso.
  • Los benchmarks compartidos en el hilo suelen situar a Grok por debajo de Astra/Fable y, a menudo, por debajo de Sol/Opus en coste por tarea y eficiencia de tokens.

Codificación y comportamiento agentivo

  • Muchos informes positivos para:
    • Trabajo frontend web, image→HTML, PCB/tscircuit, utilidades de nicho y revisión de código (a menudo detectando bugs distintos de los de Fable/Astra).
    • Codificación agentiva en Cursor y Grok Build, con fuertes llamadas paralelas a herramientas y registro conciso de pasos.
  • Entre los informes negativos se incluyen:
    • Respuestas frecuentes y prematuras de “Done!”, arreglos perezosos, código frágil o inseguro (p. ej., inyección SQL, mala autenticación), bucles infinitos de planificación en algunos entornos, y dificultades con tareas complejas de 3D o WebGL.
    • En particular, se dice que 4.7 consume más tokens y a veces se comporta peor que 4.6 en ciertos montajes agentivos.

Estilo del lenguaje y UX

  • Gran atractivo para algunos: el “inglés llano” de Grok, su brevedad y la ausencia de verborrea “claudish”.
  • Otros lo encuentran demasiado lacónico, inventando términos internos y luego usándolos sin explicación, obligando a hacer preguntas de seguimiento.
  • Comparado con Claude, varios usuarios prefieren el tono de Grok para charlas casuales e investigación legal; para explicaciones técnicas profundas, muchos siguen considerando superior a Claude.

Benchmarks, eficiencia de tokens y tamaño del modelo

  • Se informa que 4.7 tiene ~40% más pesos que 4.6, pero:
    • Múltiples referencias (ArtificialAnalysis, Vals, etc.) sugieren peor eficiencia de tokens y, a veces, puntuaciones compuestas ligeramente inferiores.
    • Los tokens de salida por tarea de benchmark parecen haber aumentado drásticamente (p. ej., ~97M → ~240M en un índice citado para una pequeña mejora de puntuación).
  • Algunos sospechan que un RL intenso y la persecución de benchmarks han perjudicado el comportamiento en el mundo real y la prosa.

Precios, caché y suscripciones

  • El precio base de la API ($2/M de entrada, $6/M de salida) está en un rango medio, pero:
    • Las lecturas de caché son relativamente caras ($0.50–$1.00/M) frente a los competidores; varios lo llaman engañoso, ya que las ejecuciones largas de agentes están dominadas por la caché.
  • La experiencia con la suscripción es mixta:
    • Algunos informan de un valor excelente, especialmente vía Cursor Ultra (tokens efectivamente “infinitos”).
    • Otros dicen que las cuotas de SuperGrok fueron muy recortadas; los planes actuales se describen como una “terrible relación calidad-precio” o como que agotan el uso semanal en un día bajo cargas de trabajo de codificación.

Casos de uso y adopción

  • Usos reportados:
    • Codificación (especialmente frontend, infraestructura, Go), revisión de código junto con otros modelos, investigación legal, preguntas y respuestas cotidianas, y asistente de voz en coches y apps móviles.
  • Algunos usuarios dicen que rara vez ven Grok recomendado en sus círculos y cuestionan su relevancia; otros afirman una creciente tracción empresarial por su precio/rendimiento y disponibilidad en montajes populares.

Preocupaciones políticas y éticas

  • Un subconjunto significativo se niega a usar Grok/xAI por razones políticas/éticas vinculadas a su propietario y a salidas controvertidas anteriores (p. ej., contenido ofensivo, preocupaciones sobre CSAM).
  • Otros argumentan que estos boicots son superficiales o inconsistentes, mientras que algunos responden que todas las decisiones tecnológicas son intrínsecamente políticas. La tensión sigue sin resolverse.