Grok 4.7: el modelo más barato de xAI, para qué sirve y cuándo no

El 21 de septiembre, xAI lanzó Grok 4.7, el nuevo modelo de Elon Musk para programar, para agentes que trabajan solos durante horas y para tareas de oficina. Lo más llamativo no es lo que sabe hacer, sino lo que cuesta: 2 dólares por millón de tokens de entrada y 6 por millón de salida —tokens son los fragmentos de texto que el modelo procesa y por los que se cobra—, bastante menos que Claude o GPT-6. La pregunta que importa es para qué conviene pagar ese precio más bajo, y para qué no.

Qué cambió respecto a la versión anterior

Grok 4.7 corre sobre una base más grande que Grok 4.6 y pasó por un entrenamiento de refuerzo más largo —la etapa donde el modelo prueba miles de respuestas y aprende de cuáles funcionan— pensado para tareas que duran varias horas sin que nadie las supervise. xAI le sumó además una revisión de sus propias respuestas antes de entregarlas, para pescar errores antes de que el usuario los vea. El modelo trabaja con cuatro niveles de "esfuerzo de razonamiento" —bajo, medio, alto y muy alto— que se eligen según la tarea: bajo para clasificar o extraer un dato puntual, alto o muy alto para planificar varios pasos o sostener un agente que trabaja solo un buen rato. Acepta hasta 500.000 tokens de contexto, el equivalente a varios libros, y está disponible sin lista de espera en la web de Grok, en Cursor (un editor de código con IA) y por API.

Barato, pero no el que mejor rinde

En pruebas independientes de conocimiento general, Grok 4.7 queda en la mitad de la tabla, bastante por detrás de Claude y de GPT-6. Donde más se nota la diferencia es en programación autónoma —un agente que escribe código, lo corre y lo corrige solo—: ahí Grok 4.7 rinde bastante menos que esos dos modelos. Gana, en cambio, en precio: cuesta una fracción de lo que cobran los modelos que le ganan en calidad.

Cuándo conviene elegirlo, y cuándo no

Grok 4.7 tiene sentido cuando el volumen importa más que la perfección: clasificar mensajes, resumir un texto corto, completar un dato que ya está disponible, cualquier tarea repetitiva donde un error ocasional no sale caro y lo que sí pesa es pagar por millones de solicitudes. No conviene para lo que necesita criterio fino y pocos errores, como un agente que escribe código de producción o que toma decisiones complejas sin que nadie las revise antes: ahí la diferencia de calidad frente a Claude o GPT-6 se nota, y termina costando más en errores de lo que ahorra en la factura.