Grok 4.7 foi treinado para tarefas que levam horas: o que isso muda na prática?

Fala aí, beleza? A xAI acabou de soltar o Grok 4.7, e o recado do lançamento não é sobre responder mais bonito: é sobre aguentar trabalho de programação que dura várias horas

Se você já pediu uma refatoração grande pra uma IA e viu ela entregar metade, dizer que "o restante segue o mesmo padrão" e abandonar o barco, esse é exatamente o problema que o modelo diz atacar

E tem uma história de bastidor bem boa pra explicar o porquê…

O adiamento que explica o treino: quando o RL ensinou o modelo a desistir

Em 11 de setembro de 2026 o Elon Musk adiou o lançamento do Grok 4.7 e deu o motivo em público: a etapa de reinforcement learning penalizou demais o tamanho da resposta

Resultado disso, segundo ele: o modelo ficou rápido demais para desistir de tarefas difíceis que ele consegue resolver, e desleixado na hora de conferir o próprio trabalho

Que negócio é esse de "penalizar o tamanho da resposta"?

Pensa no RL como um treinador dando nota pro modelo depois de cada tentativa

Se uma das regras da nota é "resposta curta vale mais", o modelo aprende a economia errada

Ele não aprende a resolver melhor, ele aprende a encerrar mais cedo

E encerrar cedo, numa tarefa longa, tem dois sintomas clássicos que todo mundo já viu na prática:

• o modelo declara vitória antes da hora, com um "pronto, implementação concluída" em cima de código pela metade
• o modelo não volta pra revisar o que escreveu, porque revisar custa token e token estava sendo punido

Se você conhece aquele dev que fecha a task no board sem rodar o teste, é a mesma energia, só que em silício 😅

O detalhe massa aqui é que isso foi assumido publicamente como motivo de atraso

Ou seja: o comportamento de persistência foi tratado como requisito de lançamento, não como bônus

O que significa treinar um modelo para trabalho de horas

Pra entender o 4.7, vale olhar o antecessor direto

O Grok 4.6 foi lançado em 12 de agosto de 2026 com foco declarado em long-running agents, ou seja, agentes de execução longa, além de trabalho interativo e visual mais ambicioso

E a xAI descreveu o treino: RL agêntico numa ampla gama de tarefas, incluindo trabalho de conhecimento, programação geral e ambientes de domínio específico como otimização de kernel, desenvolvimento web e CAD (computer-aided design)

Repara no que isso muda

Um treino focado em resposta final olha pra uma coisa só: a última mensagem está certa?

Um treino focado em tarefa longa precisa olhar pro trajeto: o agente continuou depois do primeiro erro? Ele chamou a ferramenta certa no turno 30? Ele voltou e verificou o que fez?

É a diferença entre avaliar a prova e avaliar o rascunho inteiro

Esse cuidado com verificação já era o assunto do Grok 4.6 checando o próprio trabalho, e a fala do Musk sobre o adiamento do 4.7 mostra que a casa continuou puxando essa mesma corda

Um ponto de honestidade, porque aqui a gente não chuta número: a xAI não publicou quantas horas de execução autônoma o 4.7 sustenta, nem tamanho de cluster ou compute do treino

O que existe é o foco declarado, e ele é em coding de múltiplas horas

O que muda na prática para quem usa IA em implementação grande

Tarefa longa não é "prompt difícil"

Tarefa longa é aquela que não cabe numa resposta só: migrar um módulo inteiro, refatorar uma camada de acesso a dados, subir uma feature que toca em dez arquivos e ainda precisa passar no teste

Nesse cenário, o que quebra a experiência quase nunca é inteligência bruta, é abandono no meio do caminho

Pra ter ordem de grandeza do que a xAI chama de "longo horizonte", dá pra usar os números que ela mesma publicou sobre o 4.6:

• tarefas agênticas de longo horizonte resolvidas em cerca de 53 turnos em média
• cerca de 0,5 bilhão de tokens de entrada em média nessas tarefas
• aproximadamente metade dos turnos exigidos pelo Claude Opus 5 no mesmo conjunto de tarefas, segundo a xAI
• janela de contexto de 500 mil tokens na API

Vale repetir com todas as letras: esses quatro números são do Grok 4.6, declarados pela própria xAI, e não são medição independente

E o que ainda não dá pra afirmar sobre o 4.7?

Bastante coisa, sinceramente

Não tem tabela oficial de benchmark do 4.7 divulgada, não tem janela de contexto confirmada pro 4.7 (o valor de 500 mil é do 4.6), não tem model ID confirmado na documentação da API e não tem número oficial do tipo "X horas de tarefa contínua"

Quem vender certeza sobre isso agora está inventando 🙂

Grok 4.7 x Grok 4.6: o que está declarado

Só o que está confirmado, com a origem de cada dado:

Sobre a linha dos parâmetros, atenção: o 2,1 trilhões vem de declaração do Musk e de cobertura de imprensa, sem model card oficial publicado confirmando

Fundador falando de número do próprio produto é informação, não é auditoria

E o "2x mais rápido e metade do preço" segue a mesma regra: é posicionamento do fornecedor, não medição de terceiro

Onde um modelo assim faz diferença (e onde não)

Onde a proposta casa bem com o que foi treinado e declarado:

• Refatoração longa, aquela que atravessa vários arquivos e precisa do modelo voltando pra conferir o que já mexeu
• Agente rodando muitos turnos, em que o inimigo é a desistência precoce e não a falta de ideia
• Trabalho em domínio específico, tipo desenvolvimento web, que a xAI cita explicitamente entre os ambientes de RL agêntico da linhagem
• Custo previsível em tarefa longa, já que a conta na API é de US$ 2 por milhão de entrada e US$ 6 por milhão de saída, e tarefa longa é justamente a que come token

Agora o contraponto honesto, porque não é fórmula mágica

O próprio Musk declarou que a performance multimodal ainda precisa ser corrigida

Então se o teu fluxo depende pesado de imagem, calma na euforia: essa é uma decisão de caso a caso, e já rolou um papo por aqui sobre onde o Grok image resolve e onde outra ferramenta entrega melhor

E o posicionamento de velocidade e preço, de novo, é alegação do fornecedor

Vale trocar agora? Veredito honesto

A proposta é interessante pra um problema bem real: IA que larga a implementação no meio

E a história do adiamento ajuda, porque mostra que o comportamento de persistir e verificar foi levado a sério a ponto de segurar a data

Mas dá pra calibrar a expectativa com a fala do próprio Musk: ele declarou que o modelo deve ficar aproximadamente no nível do Opus 5.0, não do 5.1, melhor em algumas coisas e pior em outras

Isso é o fundador falando do próprio modelo, e mesmo assim sem prometer o topo

Sinal de maturidade, na minha leitura

Quer dado que não venha da casa? O Artificial Analysis mantém página própria pro Grok 4.7 na variante de raciocínio xhigh

É pra lá que eu olharia antes de trocar o modelo do time inteiro, em vez de decidir por thread de anúncio

Veredito curto: motivo pra testar, sim; motivo pra migrar às cegas, ainda não

Conclusão

O recado do Grok 4.7 é claro e diferente do de costume: o alvo é trabalho de programação que dura horas, não a resposta bonitinha de um turno só

O próximo passo concreto é simples, já que o modelo está disponível no Cursor desde o lançamento: pega uma tarefa longa de verdade que você já tentou com outro modelo, roda a mesma coisa e compara onde cada um desiste

Comparar em tarefa real vale mais que qualquer tabela, beleza?

E a fila anda: o Musk já anunciou publicamente o Grok 4.8, descrito por ele como modelo de 2,5 trilhões de parâmetros treinado num novo stack de software em C++, ainda sem data de lançamento

Ou seja, esse assunto vai render…

Até o próximo post! 😀