Grok 4.7: Was das neue Modell kann und was die API kostet

Was am 21. September erschienen ist

SpaceXAI hat Grok 4.7 als neues Modell für Coding, länger laufende Agentenaufgaben und Wissensarbeit veröffentlicht. Nach Angaben des Unternehmens beruht es auf einem größeren Basismodell als Grok 4.6 und wurde mit einem längeren Reinforcement-Learning-Lauf auf anspruchsvolleren, mehrstündigen Aufgaben trainiert. Das beschreibt den Entwicklungsansatz des Herstellers, nicht eine unabhängige Messung der Modellqualität.

Das Release ist keine bloße Vorankündigung: Die offizielle Dokumentation beschreibt die API-Nutzung mit der Modellkennung grok-4.7. SpaceXAI nennt außerdem Cursor und Grok Build als verfügbare Oberflächen. Welche Funktionen ein Nutzer tatsächlich sieht, kann vom Produkt, Tarif und den dort gesetzten Werkzeugen abhängen.

Ereignisdatum: 21. September 2026. Grok 4.7 ist ein neues Modellrelease; die Leistungsrangfolgen in der Ankündigung sind Herstellerangaben.

Kontext, Modalitäten und Werkzeuge

Die xAI-Dokumentation nennt ein Kontextfenster von 500.000 Token und einen Wissensstand bis Mai 2026. Grok 4.7 verarbeitet Text und Bilder als Eingabe und erzeugt Text. Audio- oder Videoausgabe gehören nicht zu den für dieses Modell dokumentierten Modalitäten. Für aktuelle Informationen kann eine Anwendung zusätzlich Werkzeuge wie Web- oder X-Suche einsetzen; das ist eine separate Funktion und nicht Teil des Trainingswissens.

Für Entwickler sind die Responses API und die ältere Chat-Completions-Schnittstelle aufgeführt. Die Dokumentation nennt vier Reasoning-Stufen von low bis xhigh, wobei high der Standard ist, sowie Function Calling, Websuche, X-Suche und Codeausführung. Ein großes Kontextfenster garantiert allerdings weder, dass jede Information gleich gut genutzt wird, noch stabile Ergebnisse in langen Agentenläufen. Beides muss an realen Aufgaben geprüft werden.

• API-Modellkennung: grok-4.7
• Kontextfenster: 500.000 Token laut Dokumentation
• Eingaben: Text und Bilder; Ausgabe: Text
• Reasoning-Stufen: low, medium, high und xhigh
• Web- und X-Suche sowie Codeausführung sind zusätzliche Werkzeuge

Was die API kostet und wann der Preis steigt

Die offizielle Preistabelle vom 22. September nennt für grok-4.7 bei weniger als 200.000 Eingabetokens 2 US-Dollar pro Million Eingabetokens und 6 US-Dollar pro Million Ausgabetokens. Zwischengespeicherte Eingabetokens kosten 0,50 US-Dollar pro Million. Erreicht ein Prompt die Schwelle von 200.000 Token, gelten für alle Token dieser Anfrage die Langkontextpreise: 4 US-Dollar für Eingabe, 1 US-Dollar für gecachte Eingabe und 12 US-Dollar für Ausgabe, jeweils pro Million Token.

Ein Beispiel ohne Cache und Zusatzwerkzeuge: 100.000 Eingabetokens und 10.000 Ausgabetokens kosten nach den Kurzkontextsätzen rechnerisch 0,26 US-Dollar. Bei 200.000 Eingabetokens und 10.000 Ausgabetokens fallen nach der dokumentierten Schwellenregel bereits 0,92 US-Dollar an. Hinzu kommen gegebenenfalls Werkzeugaufrufe, regionale Aufschläge, Steuern und Kosten einer Drittplattform. Preise in Cursor oder Grok Build sind nicht automatisch identisch mit der direkten API-Abrechnung.

Die angekündigte Fast-Variante läuft laut Dokumentation auf schnellerer Infrastruktur und kostet doppelt so viel pro Token. Sie ist derzeit nur in Cursor und Grok Build verfügbar, nicht über die öffentliche xAI-API. Die Werbeaussage von halbem Preis gegenüber vergleichbaren Modellen ersetzt deshalb keinen Vergleich mit demselben Kontextumfang, demselben Reasoning-Aufwand und denselben Werkzeugkosten.

Listenpreise in US-Dollar, Stand 22. September 2026. Ab 200.000 Eingabetokens wird laut xAI der höhere Langkontexttarif auf die gesamte Anfrage angewendet.

Was die veröffentlichten Benchmarks aussagen

SpaceXAI meldet für Grok 4.7 auf CursorBench 4.0 einen Wert von 46,3 Prozent gegenüber 40,4 Prozent für Grok 4.6. Auf DeepSWE v1.1 nennt der Hersteller 71,0 Prozent bei hohem Reasoning-Aufwand. Auch für Elektrotechnik, mehrstündige Terminalarbeit und professionelle Wissensaufgaben werden Werte präsentiert. Die Tabellen zeigen damit, in welchen Testumgebungen der Anbieter Fortschritte sieht.

Ein direkter Schluss auf jede reale Entwicklungsaufgabe wäre zu weitgehend. Benchmarks hängen von Datensatz, Harness, Werkzeugzugriff, Anzahl Versuche, Rechenbudget und Bewertungsregeln ab. Die verglichenen Modelle laufen teils mit unterschiedlichen Reasoning-Stufen. Die Ankündigung liefert keinen vollständigen unabhängigen Nachtest für den eigenen Codebestand oder deutschsprachige Wissensarbeit. Wer Grok 4.7 einsetzt, sollte es mit denselben Aufgaben und Budgets gegen die bereits genutzten Modelle prüfen.

Die genannten Prozentwerte stammen aus der SpaceXAI-Ankündigung. Sie beschreiben die dortigen Tests, keine allgemein garantierte Erfolgsquote.

Sicherheitsversprechen bleiben zu verifizieren

SpaceXAI schreibt, Grok 4.7 habe einen neuen Schutzmechanismus und sei in eigenen Tests widerstandsfähiger gegen Jailbreaks. Für einen eigenen HackerBench-Test nennt das Unternehmen 3,3 Prozent zugelassene riskante Dual-Use-Anfragen; für einen Biosicherheitsbenchmark meldet es 62,4 Prozent. Die öffentliche Ankündigung ist eine Quelle für diese Herstellerangaben, aber kein unabhängiger Sicherheitsnachweis für konkrete Anwendungen.

Die Aussage ist insbesondere bei agentischer Nutzung wichtig. Ein Modell, das Dateien ändert, Shell-Befehle ausführt oder Daten aus externen Seiten verarbeitet, braucht weiterhin begrenzte Rechte, Protokollierung, Freigaben für folgenreiche Aktionen und Tests gegen Prompt Injection. Modellseitige Ablehnungen ersetzen diese Systemgrenzen nicht.

So lässt sich Grok 4.7 sinnvoll vergleichen

Ein fairer Pilot beginnt mit einem festen Satz eigener Aufgaben: Fehlerbehebungen mit Tests, längere Repository-Recherchen, Dokumentenanalysen und deutsche Fachfragen. Für jede Aufgabe werden dieselben Eingaben, Werkzeuge, Zeitlimits und Erfolgskriterien verwendet. Die Modellversion und Reasoning-Stufe sollten in den Messdaten stehen, sonst sind Ergebnisse später kaum reproduzierbar.

Neben der Lösungsqualität zählen Gesamtpreis, Laufzeit, Zahl der Werkzeugaufrufe und menschliche Nacharbeit. Besonders bei langen Prompts muss die 200.000-Token-Preisschwelle mitgemessen werden. Fehlerhafte, aber selbstsicher vorgetragene Ergebnisse und unerwünschte Datei- oder Webaktionen gehören getrennt in die Auswertung. Für sensible Daten sind vorab Vertrag, Datenfluss und passende regionale Endpunkte zu prüfen.

• Gleiche Aufgaben und gleiches Werkzeugbudget für alle Vergleichsmodelle
• Erfolg anhand bestandener Tests und fachlicher Prüfung messen
• Kosten inklusive Langkontext, Cache und Werkzeugen erfassen
• Latenz und Nacharbeit getrennt vom Tokenpreis auswerten
• Berechtigungen und Datenschutz vor produktivem Agenteneinsatz prüfen

Die MindrAils-Einordnung

Grok 4.7 ist ein relevantes Modellrelease: Es verbindet ein großes dokumentiertes Kontextfenster mit sofortiger API-Verfügbarkeit und einem klaren Kurzkontext-Listenpreis. Für Coding-Agenten und Wissensarbeit sind die vom Hersteller gemeldeten Fortschritte ein guter Grund, das Modell in einen Vergleich aufzunehmen.

Noch offen ist, wie gut die Vorteile bei eigenen Daten, langen Aufgaben und begrenztem Budget tragen. Besonders die steile Preisstufe ab 200.000 Eingabetokens und die getrennte Fast-Variante können die Praxisbilanz verändern. Die sachliche Antwort auf die Frage, ob Grok 4.7 besser ist, liefert deshalb ein reproduzierbarer Test und nicht allein die Launch-Tabelle.