اگر برای هر میلیون توکن ورودی ۲ دلار پرداخت کنید، به کف قیمتی جدیدی رسیدهاید که xAI تعیین کرده است. مدل Grok 4.7 که در ۲۱ سپتامبر ۲۰۲۶ عرضه شد، بهجای تلاش برای رسیدن به قلههای عملکردی، روی کاهش هزینههای استنتاج (Inference) — یعنی همان لحظهای که مدل واقعاً جواب تولید میکند، شبیه به خودِ آشپزی و نه دورهی آموزش آشپز — تمرکز کرده است.
این استراتژی در حالی رخ میدهد که صنعت به سمت عاملهای هوش مصنوعی (AI Agents) — سیستمهایی که مثل کارمندانی مستقل، بتوانند مراحل مختلف یک پروژه را بدون نظارت لحظهای پیش ببرند — حرکت میکند. این روند با رشد خیرهکنندهی مصرف توکن در پلتفرمهایی مانند OpenRouter همسو است که نشاندهندهی افزایش شدید تقاضا برای پردازشهای حجیم در مقیاس صنعتی است. همانطور که در تحلیل قبلی ما دربارهی نیاز دستیارهای کدنویسی به نظارت انسانی اشاره کردیم، Grok 4.7 سعی میکند با صرف زمان بیشتر روی کارهای دشوار و بازبینی سختگیرانهتر خروجیها، این شکاف را پر کند.
به نقل از گزارش the-decoder.com، مشخصات فنی این مدل به شرح زیر است:
- قیمتگذاری: ۲ دلار برای هر میلیون توکن ورودی / ۶ دلار برای هر میلیون توکن خروجی.
- معماری: مدل پایهٔ بزرگتر نسبت به نسخه ۴.۶ با یادگیری تقویتی گستردهتر.
- دسترسی: در دسترس از طریق Grok API, Cursor و Grok Build.
بر اساس دادههای شاخص هوش مصنوعی Artificial Analysis (نسخه ۴.۳.۲)، مدل Grok 4.7 امتیاز ۴۶ را کسب کرد. این عدد در مقایسه با Claude Fable 5.1 و GPT-6 که هر دو امتیاز ۵۳ گرفتند، جایگاهی متوسط را نشان میدهد.
بزرگترین ضعف این مدل در کدنویسی عاملمحور (Agentic Coding) است. در محک Terminal-Bench 4.0، مدل Grok 4.7 تنها به دقت ۲۶ درصد رسید؛ در حالی که GPT-6 Astra با ۶۰ درصد و Claude Fable 5.1 با ۵۵ درصد پیشتازی کردند. این در حالی است که مدل GPT-6 Astra در وظایف پیچیدهتر سیستمعاملی توانسته است نرخ موفقیت بسیار بالاتری را به ثبت برساند. حتی مدل اقتصادی DeepSeek V4.1 Flash با ۲۷ درصد، اندکی بهتر از مدل ماسک عمل کرد.
برای یک مدیر کسبوکار، این یعنی xAI مسیر خود را به سمت «ارزش خرید» تغییر داده است. این شرکت بهجای رقابت با آزمایشگاههای پیشرو غربی، قیمتهای خود را با مدلهای چینی همتراز کرده تا کارهای دانشی حجیم را هدف قرار دهد؛ جایی که عملکرد «به اندازه کافی خوب» با قیمتی بسیار ارزان، برتری دارد.
گام بعدی شما
- اگر از Cursor استفاده میکنید، بررسی کنید که آیا کاهش قیمت Grok 4.7 هزینهی اشتراک شما را پایین میآورد یا خیر.
- برای کارهای روتین و تولید کدهای تکراری (Boilerplate)، Grok 4.7 را بهدلیل نسبت قیمت به عملکرد امتحان کنید.
- برای پروژههای پیچیده کدنویسی که نیاز به استدلال عمیق دارند، همچنان از GPT-6 استفاده کنید.
اما تأثیر این جنگ قیمتی بر مدلهای متنباز حتی تکاندهندهتر است — به تحلیل ما دربارهی استراتژی Llama مراجعه کنید.
گفتگو