21 сентября 2026 года на официальном сайте Grok представили Grok 4.7, модель для программирования и рабочих задач с документами. В сравнении с Grok 4.6 она использует более крупную базовую модель и, по заявлению разработчика, лучше работает с длительными задачами и проверкой собственного результата.
В анонсе упор сделан не только на короткую генерацию кода. Модель обучали на более сложном наборе задач, среди которых были работы продолжительностью много часов. Отдельно заявлены улучшения управления длинным контекстом и понимания среды Grok Bot.
Что изменилось в обучении
Разработчик сообщает о более длительном обучении с подкреплением и большем весе сложных задач. Цель: чтобы модель дольше удерживала план, внимательнее проверяла выполненную работу и лучше справлялась с продолжительными последовательностями действий.
Для пользователя это имеет смысл оценивать по законченному результату. В коде важны тесты и сохранение поведения проекта, в документе: правильные исходные данные, расчёты и структура. Само по себе более долгое рассуждение ещё не доказывает, что задача решена.
В анонсе также показаны результаты на CursorBench 4.0, GDPval и AA Briefcase. Это данные разработчика на определённых наборах заданий. Они помогают понять заявленное направление улучшений, но не обещают такой же результат на любом репозитории или рабочем документе.
Доступность и стоимость API
На момент анонса Grok 4.7 доступен в Cursor и Grok Build, а также через API и сторонние среды работы с моделями. Для интеграции важно различать доступность модели в приложении и условия отдельного API-вызова.
Начальная заявленная цена API: 2 доллара за миллион входных токенов и 6 долларов за миллион выходных. Также представлен быстрый вариант с удвоенной скоростью выдачи и удвоенной ценой. Фактические расходы зависят от объёма запросов, ответов и выбранного варианта.
При сравнении полезнее считать стоимость законченной задачи. Дешёвый ответ, который приходится несколько раз исправлять, может оказаться менее выгодным, чем более дорогой, но проверяемый результат с первой попытки.
Самопроверка не отменяет внешнюю проверку
Разработчик также заявляет новый набор защитных механизмов и результаты внутренних испытаний безопасности. Такие ограничения важны, но не подменяют контроль доступа к инструментам и данным внутри конкретного приложения.
Модель, которая лучше проверяет себя, всё равно может ошибиться в предположении, пропустить требование или неправильно оценить последствия действия. Для агента с доступом к коду, файлам и внешним сервисам нужны понятные границы разрешённых операций.
Grok 4.7 стоит оценивать на своих длительных задачах: может ли он довести работу до конца, сохранить ограничения и показать проверяемый результат. Именно это полезнее общего обещания высокой скорости или места на одном графике.
О практической проверке большого агентного проекта: как GitHub переносил движок Copilot на Rust.
