Grok 4.7 chegou: vale trocar do Grok 4.6 agora?

Fala aí, beleza? A xAI (hoje SpaceXAI) acabou de soltar o Grok 4.7, e dessa vez o gancho não é corte de preço

Preço continua sendo o centro da história, só que sem queda: a cobertura de lançamento fala em paridade com a geração anterior, o Grok 4.6

E já adianto o asterisco, porque ele muda tudo mais pra frente: isso aparece em nível de manchete, a cifra exata do modelo novo ainda NÃO saiu na documentação oficial

Ou seja: se a paridade se confirmar, a pergunta clássica de "vale a pena pagar mais caro?" nem se aplica aqui

A pergunta vira outra, e é bem mais chata de responder: vale mexer num projeto que já está rodando estável, só pra ganhar alguns pontos de benchmark? 🤔

Bora destrinchar isso com os números que existem de verdade, e com honestidade sobre o que ainda NÃO foi confirmado

O que é o Grok 4.7 e o que mudou desde o Grok 4.6

O 4.7 é a nova geração do modelo da SpaceXAI, anunciada oficialmente na página Introducing Grok 4.7, no site do próprio laboratório

Ele sucede o Grok 4.6, que foi lançado em 12 de agosto de 2026

Detalhe de marca que confunde muita gente: o site e a documentação já carregam a marca "SpaceXAI" (tipo "SpaceXAI Docs" e "SpaceXAI, Creators of Grok"), enquanto boa parte da imprensa ainda escreve "xAI"

É o mesmo bicho, só mudou a placa na porta 🙂

A linha do tempo do atraso:

Esse lançamento não saiu no dia prometido, e isso importa pra quem vai decidir migrar

Em 2 de setembro de 2026, Musk disse publicamente que o modelo sairia em 10 dias, o que apontava pra 12 de setembro

Em 11 de setembro, ele afirmou que o modelo precisava de mais alguns dias de ajuste por aprendizado por reforço

O lançamento oficial só aconteceu em 21 de setembro de 2026

Não é escândalo nenhum, atraso de modelo é rotina no setor

Mas serve de termômetro: o modelo saiu quente, com pouquíssimo tempo de rodagem pública

E a cobertura independente, o que disse?

A matéria de lançamento do The Decoder foi direta no título: xAI launches Grok 4.7 at bargain prices, but benchmarks reveal a wide gap to Claude and GPT-6

Traduzindo o recado: preço agressivo, sim, liderança de inteligência, não

Guarda essa frase, porque ela é meio caminho pro veredito lá no fim

Grok 4.7 x Grok 4.6: o que os números mostram

A versão nova já tem página de dados viva no Artificial Analysis, identificada como Grok 4.7 (xhigh)

Antes da tabela, uma parada rápida pra definir o que tu vai ver

Que índice é esse? O Artificial Analysis Intelligence Index é uma média ponderada de quatro categorias: agentes, programação, capacidade geral e raciocínio científico, agregando benchmarks como AA-Briefcase, GDPval-AA, AutomationBench-AA, Terminal-Bench e SciCode

A versão vigente do índice é a v4.3.2

E o AA-Briefcase, que vai aparecer com destaque, é o benchmark de tarefas profissionais realistas, medido em Elo

O que NÃO está confirmado (e eu não vou fingir que está):

Aqui entra a parte que quase ninguém escreve, e que é justamente a que te protege de quebrar produção

• A velocidade do 4.7 em tokens por segundo não tem número publicado, nem na página viva do Artificial Analysis nem em fonte oficial
• O preço exato por milhão de tokens do 4.7 aparece só em nível de manchete de cobertura, como paridade com o 4.6. Por isso eu não cravo US$ 2 e US$ 6 pro 4.7: esses valores são os do 4.6
• A janela de contexto do 4.7 não foi confirmada (o 4.6 tem 500 mil tokens, mas repetir isso pro 4.7 seria chute)
• O identificador do modelo na API e como selecionar a variante xhigh: a documentação oficial retornada na busca ainda não lista o 4.7
• Onde ele está disponível além da API: as listas que circulam por aí se referem ao 4.6 ou misturam conteúdo pré-lançamento

Se tu viu post por aí cravando contagem de parâmetros, variante "fast" pelo dobro do preço ou treino com corpus de engenharia da SpaceX, desconfia

Nada disso tem model card publicado

E a história de que ele é mais lento?

Essa é a pegadinha do momento

Antes do lançamento, Musk afirmou que o 4.7 seria melhor que o 4.6 em tudo, EXCETO por ser "ligeiramente mais lento de servir", porém com melhor eficiência de tokens

Isso é declaração atribuída a ele antes do lançamento, não especificação confirmada

Então trata velocidade como ponto em aberto

Tome cuidado! Se teu produto tem SLA de latência, esse é o item que tu mede primeiro, não o último

Preço sem aumento: por que isso muda a conta da migração

Quando o modelo novo custa mais caro, a decisão é quase uma planilha: ganho de qualidade contra delta de custo

Aqui, pelo que a cobertura de lançamento afirma, não tem delta

Mas segura a onda antes de tirar preço da planilha: essa paridade é manchete de cobertura, não valor confirmado na documentação oficial

Se a paridade se confirmar, o custo por token sai da equação, e sobram três variáveis: qualidade por tarefa, latência e risco de mexer no que já funciona

E mesmo que a cifra mude depois, a parte de baixo desta seção (custo por tarefa e a faixa de contexto longo) continua valendo igual

E é aí que o pessoal erra a conta 🙂

O que é "custo por tarefa" e por que ele não é preço por token:

Dois modelos com o mesmo preço por token podem ter contas de fim de mês MUITO diferentes

O que pesa é quantos tokens o modelo gasta pra resolver a mesma coisa, e quantas vezes tu precisa reprompt porque a resposta veio torta

Um modelo que acerta de primeira e escreve menos raciocínio sai mais barato, mesmo com tabela idêntica

Por isso o método lá embaixo mede custo por tarefa concluída, não por 1 milhão de tokens

A armadilha da faixa de 200 mil tokens:

Essa aqui vale mais que a escolha de versão, e quase ninguém olha

No Grok 4.6, a partir de 200 mil tokens de prompt, a requisição INTEIRA passa a ser cobrada em outra faixa: US$ 4,00 por 1 milhão de tokens de entrada, US$ 1,00 por 1 milhão em cache e US$ 12,00 por 1 milhão de saída

Repara no detalhe: não é o excedente que dobra, é a requisição inteira

Então um agente que empurra o histórico todo a cada chamada e passa de 200 mil por descuido pode custar o dobro do que a tua planilha previa

Se o teu pipeline vive raspando esse limite, arrumar a janela de contexto te economiza mais dinheiro que trocar de versão de modelo

(Se a mesma regra de faixa longa vale igualzinho pro 4.7, ainda não foi confirmado. Mais um item pra lista do que tu precisa medir na prática)

Quando trocar agora e quando esperar

Não existe resposta única, existe perfil de uso

Separa o teu caso em um desses três e a decisão fica óbvia

Fluxo agêntico e tarefas profissionais longas: testa AGORA

Esse é o cenário onde o modelo novo realmente se mexeu

1657 Elo no AA-Briefcase, 111 pontos acima do Grok 4.6 high, é um salto grande pra uma bump de versão

Mais: nesse benchmark ele fica logo atrás do Claude Opus 5 e do Claude Fable 5.1, e o resultado coloca a SpaceXAI entre os 4 principais laboratórios de IA segundo o Artificial Analysis

Se o teu uso é agente executando tarefa de trabalho de ponta a ponta, vale montar o comparativo hoje mesmo

Chat, geração simples e resposta curta: pode esperar

Aqui o ganho é de 2 pontos no índice geral, 46 contra 44

Existe? Existe

Paga o retrabalho de revalidar prompt, ajustar parser, refazer teste de regressão e explicar pro time? Provavelmente não

O dev senior mais preguiçoso (e isso é bom!) deixa esse rodando no 4.6 e volta ao assunto quando tiver mais dado público

Pipeline com latência apertada: mede antes de sonhar

A única referência sólida de velocidade que existe é do 4.6: 59,8 tokens por segundo na API oficial

Do 4.7 não tem número publicado, e a declaração do Musk apontou pra servir um pouco mais lento, compensado por melhor eficiência de tokens

Repara que esses dois efeitos brigam entre si: menos tokens por resposta pode compensar tokens por segundo mais baixos, ou não

Só a tua carga real responde isso

Como avaliar a troca sem quebrar o que já roda

O método abaixo não depende de endpoint novo nem de comando mágico (e eu não vou inventar nenhum, já que o identificador do 4.7 na API ainda não está na documentação pública)

É processo, e funciona pra qualquer troca de modelo

1. Congela um conjunto de prompts REAIS do teu projeto

Nada de prompt de demonstração

Pega de 20 a 50 casos que já aconteceram em produção, incluindo os feios: entrada mal formatada, contexto gigante, usuário escrevendo errado

Salva tudo em arquivo versionado, tipo evals/casos.jsonl

O erro comum deste passo: montar o conjunto só com casos bonitos, onde qualquer modelo acerta. Aí o comparativo empata e tu não decide nada

2. Define o que é "acertou" ANTES de rodar

Critério escrito, de preferência checável por script: JSON válido, campo obrigatório presente, resposta dentro do escopo, sem alucinação de dado que não estava no contexto

O erro comum deste passo: avaliar no olhômetro depois de ver as saídas. Tu vai puxar pro modelo que te pareceu mais simpático, é humano

3. Roda lado a lado, mesma entrada, mesma configuração

Mesma temperatura, mesmo system prompt, mesmo formato de saída, nas duas versões

Só muda o modelo

O erro comum deste passo: aproveitar a migração pra "melhorar o prompt também". Aí tu não sabe mais se o ganho veio do modelo novo ou do prompt novo

4. Mede custo por tarefa concluída, não por token

Soma tokens de entrada, cache e saída de TODAS as tentativas até o caso ser resolvido, e divide pelo número de casos resolvidos

É essa conta que aparece na fatura, não a tabela de preço

O erro comum deste passo: esquecer de contar as chamadas de retry e as de ferramenta em fluxo agêntico. Em agente, a maior parte do gasto mora aí

5. Mede latência ponta a ponta, do teu lado

Tempo total até a resposta útil chegar no teu usuário, incluindo ferramentas e parsing

Como a velocidade do 4.7 não tem número público, esse teste é obrigatório se tu tem SLA

O erro comum deste passo: medir tokens por segundo isolado e achar que resolveu. Se o modelo escreve menos pra chegar no mesmo resultado, ele pode ser "mais lento" por token e mais rápido no relógio

6. Vigia a janela de contexto durante o teste

Loga o tamanho do prompt de cada chamada e vê quantas passam de 200 mil tokens

Lembra da faixa que dobra a requisição inteira

O erro comum deste passo: descobrir isso na fatura do mês seguinte. Já vi gente se ferrar feio por causa disso

7. Troca com plano de rollback pronto

Modelo atrás de variável de ambiente ou feature flag, deploy gradual, e um caminho de volta que tu consegue executar em minutos

Se o teu código tem o nome do modelo escrito na mão em 12 arquivos, arruma isso ANTES de migrar

O erro comum deste passo: trocar direto em 100% do tráfego numa sexta à tarde 😛

Esse mesmo roteiro serve pra comparar qualquer par de modelos, inclusive pra trocar o modelo no Cursor e sentir a diferença no editor antes de mexer na API

E se tu quiser ver como uma tarefa única e bem escolhida separa modelo bom de modelo enrolado, dá uma olhada nesse comparativo em tarefa real de código

Veredito: o Grok 4.7 compensa a migração?

Resposta curta: depende MUITO do que tu faz com ele

Vale testar já se o teu uso é agêntico ou de tarefa profissional longa

O pulo de 111 pontos de Elo no AA-Briefcase é o tipo de ganho que aparece no resultado do usuário, não só no gráfico

E ficar logo atrás do Claude Opus 5 e do Claude Fable 5.1 nesse benchmark, sem aumento de preço anunciado sobre a versão anterior, é argumento forte

Não vale o corre agora se o teu caso é chat, classificação simples ou geração curta

46 contra 44 no índice geral não paga uma semana de revalidação de prompt e teste de regressão

Vale esperar mais dado se latência é requisito duro

Não tem velocidade medida publicada do 4.7, e a única sinalização pública apontou pra servir um pouco mais lento

Decidir isso no chute é pedir pra apanhar

E o recado honesto sobre o cenário geral: a cobertura de lançamento apontou uma distância considerável pro Claude e pro GPT-6

Ele não chegou pra ser o modelo mais inteligente do mercado

Ele chegou pra ser um modelo muito competente por um preço que, pelo que foi anunciado, não subiu, e isso colocou a SpaceXAI entre os 4 principais laboratórios segundo o Artificial Analysis

Pra quem monta produto olhando custo por tarefa, esse é exatamente o lugar mais interessante de estar 🙂

Conclusão

O 4.7 saiu com paridade de preço anunciada sobre o Grok 4.6, subiu de 44 pra 46 no Intelligence Index e deu um salto real nas tarefas profissionais do AA-Briefcase

Com o custo por token provavelmente empatado (e ainda sem cifra oficial pro 4.7), a migração deixa de ser decisão de planilha e vira decisão de engenharia

Próximo passo prático: monta o comparativo com os TEUS prompts, mede custo por tarefa e latência ponta a ponta, e só então mexe no que está em produção

E fica de olho na página do modelo no Artificial Analysis nas próximas semanas, porque os dados de velocidade e o preço oficial do 4.7 ainda vão ser confirmados por lá

Quando esses números aparecerem, a conta pode mudar de novo…

Até o próximo post!