Grok 4.7: Features, Benchmarks, Preise und Zugriff

Das Rennen an der Modellspitze folgt inzwischen einem Muster: Die spannendsten Unterschiede liegen weniger in der Rohleistung als im Preis-Leistungs-Verhältnis.

Claude Fable 5.1 liegt bei $10 Input und $50 Output pro Million Tokens. Für die meisten Teams stellt sich die pragmatische Frage, ob dieser Aufpreis wirklich etwas liefert, was ein günstigeres Modell nicht kann.

SpaceXAI hat am 21. September 2026 Grok 4.7 veröffentlicht und als bislang leistungsfähigstes Modell für Coding und Wissensarbeit positioniert.

Es läuft zu $2 pro Million Input-Tokens und $6 pro Million Output-Tokens, unverändert gegenüber Grok 4.6, und erreicht 46,3% auf dem CursorBench 4.0 für langlaufende Coding-Aufgaben, leicht hinter Fable 5.1. 

In diesem Artikel zeige ich dir alle Neuerungen von Grok 4.7, die neuen Features, die Benchmarks im Vergleich zu GPT-5.6 Sol und Fable 5.1 sowie die Zugriffsmöglichkeiten.

Mehr zum Wettbewerb findest du in unserem Vergleich von Claude Fable 5.1 und GPT-6 Astra und in unserem Blick auf Claude Opus 5 vs GPT-5.6 Sol. Außerdem empfehle ich die Lektüre von TypeSafe's Jev. 

Kurzfassung

• Grok 4.7 ist SpaceXAI's neuer Standard für Coding und Wissensarbeit, basierend auf einem größeren Basismodell als Grok 4.6.
• Im Fokus steht das Preis-Leistungs-Verhältnis: Werte nahe der Spitzengruppe für $2/$6 pro Million Tokens, also ein Achtel dessen, was Fable für Output verlangt.
• Es dominiert den Harvey Legal Agent Benchmark mit 19,6% und deklassiert GPT-5.6 Sol (2,5%) sowie Fable 5.1 (6,7%).
• Fable 5.1 führt weiterhin bei absoluter Coding-Leistung und klinischem Schlussfolgern – Grok 4.7 ist damit der Value-Pick, nicht der reine Spitzenreiter.
• Lohnenswert, wenn du hohe Volumina in Coding- oder Agent-Workloads fährst, bei denen die Output-Kosten den Großteil der Rechnung ausmachen.

Was ist Grok 4.7?

Grok 4.7 ist SpaceXAI's Flaggschiffmodell für Coding und Wissensarbeit, veröffentlicht am 21. September 2026 als Nachfolger von Grok 4.6.

Es nutzt ein neues, größeres Basismodell und wurde mit einer längeren Reinforcement-Learning-Phase auf einem schwierigeren Aufgabenset trainiert – mit Fokus auf Probleme, die viele Stunden dauern. SpaceXAI hat es darauf ausgelegt, länger an harten Aufgaben zu arbeiten und die eigenen Ergebnisse sorgfältiger zu prüfen.

Der Generationssprung gegenüber Grok 4.6 zeigt sich vor allem bei Langläufern. Auf Terminal-Bench 4.0, der mehrstündige Terminal-Aufgaben misst, verdoppelt Grok 4.7 auf SpaceXAI's internem Harness nahezu seinen Vorgänger von 20,3% auf 38,0%. CursorBench 4.0 steigt von 40,4% auf 46,3%, und der AA Briefcase v1.1 Score für Büroarbeit klettert von 1.546 auf 1.657.

Der für Praktiker relevante Aufmacher ist der Harvey Legal Agent Benchmark, auf dem Grok 4.7 19,6% erreicht. Das ist mehr als das 7-Fache von GPT-5.6 Sol (2,5%) und fast das 3-Fache von Fable 5.1 (6,7%) – eine Lücke, die juristisch geprägte Agent-Workloads klar in Richtung dieses Modells lenkt, zumal es günstiger ist als die Spitzenmodelle.

Grok 4.7: Die wichtigsten Features

Die Verbesserungen von Grok 4.7 gruppieren sich um drei Punkte: Ausdauer bei langen Aufgaben, professionelle Dokumentenerstellung und ein neuer Safeguard-Stack.

Das kannst du konkret damit tun.

Länger an mehrstündigen Aufgaben arbeiten

Grok 4.7 wurde gezielt auf Probleme trainiert, die Stunden statt Minuten dauern. Dadurch hält es bei lang angelegtem Coding und Terminal-Arbeit besser durch.

In der Praxis heißt das: Es behält den roten Faden über eine mehrstufige Debugging-Session oder eine längere Migration, ohne unterwegs den Kontext zu verlieren.

Das Modell handhabt längere Kontexte und überprüft seine Ausgaben sorgfältiger als Grok 4.6.

Wenn dir ein Modell schon einmal mit großer Sicherheit „fertig“ gemeldet hat, während die Hälfte der Tests noch scheitert, zielt SpaceXAI genau auf dieses Problem.

Dokumente und Präsentationen erstellen

Grok 4.7 erstellt besser die Artefakte, die Profis am Ende tatsächlich abliefern: Reports, Briefings und Foliensätze.

SpaceXAI benchmarkt das auf GDPval und AA Briefcase – Aufgaben, die üblicherweise Juristinnen, Pflegekräfte oder Finanzanalysten erledigen.

Für Datenteams ist das relevant, wenn aus einer Analyse nicht nur Roh-Output, sondern eine schriftliche Zusammenfassung oder eine präsentationsreife Stakeholder-Unterlage werden soll.

Grok 4.7 verbessert sich gegenüber Grok 4.6 auf beiden Benchmarks und liegt auf Augenhöhe mit anderen Spitzenmodellen – die Dokumentgenerierung ist damit kein Grund mehr, Fable zum Premiumpreis zu wählen.

Native Grok-Bot-Konversation

SpaceXAI hat Grok 4.7 so trainiert, dass es das Grok-Bot-Harness nativ versteht. Das macht es in Konversationsaufgaben und allgemeiner Wissensarbeit stärker.

Wenn du einen Chat-Assistenten auf Basis der Grok API baust, verhält sich das Modell innerhalb dieser Gesprächsschleife berechenbarer.

Das ist enger gefasst als die Coding-Gewinne, zeigt aber, dass SpaceXAI Konversations-Use-Cases als erstklassig behandelt – nicht als nachträglich angeflanschte Funktion eines Coding-Modells.

Neuer Safeguard-Stack mit hoher Nutzbarkeit

Grok 4.7 kommt mit einem komplett neuen Safeguard-Stack. SpaceXAI nennt es sein stärkstes Modell bei Refusals und Jailbreak-Resistenz.

Spannend für die Praxis: Das gelingt, ohne legitime Arbeit übermäßig abzulehnen.

Auf HackerBench v0.3, SpaceXAI's Benchmark für riskante und bösartige Cyber-Aufgaben, lässt Grok 4.7 nur 3,3% riskanter Dual-Use-Prompts durch und blockiert legitime Security-Arbeit nur selten.

Auch LatchBio's Biosicherheits-Benchmark führt es mit 62,4% an. 

Grok 4.7 differenziert zwischen harmlos und gefährlich, statt ganze Domänen pauschal zu verweigern.

Wie schlägt sich Grok 4.7 in Benchmarks?

In unabhängigen Aggregaten landet Grok 4.7 solide im Mittelfeld.

Auf dem Artificial Analysis Intelligence Index v4.3.2, der zehn Benchmarks kombiniert, erzielt Grok 4.7 eine 46.

Damit liegt es klar hinter den aktuellen Spitzenreitern Claude Fable 5.1 und GPT-6, die beide eine 53 erreichen. Unterm Strich ist Grok 4.7 eher ein Preis-Leistungs-Sieger als ein reiner Fähigkeitsprimus.

Gegenüber GPT-5.6 Sol gewinnt es auf den meisten Coding- und Wissens-Benchmarks, bei weniger als einem Drittel von Sols Output-Preis. Auf absolute Coding-Scores hat Fable 5.1 aber noch die Nase vorn.

Der eine Benchmark, auf dem Grok 4.7 alle anderen deutlich abhängt, ist juristische Agentenarbeit.

Coding und agentische Workflows

Auf dem CursorBench 4.0, der langlaufende Coding-Aufgaben betont, erreicht Grok 4.7 46,3%. Das schlägt GPT-5.6 Sol (41,7%) und den eigenen Vorgänger (40,4%), während Fable 5.1 mit 51,8% vorne liegt. Auf DeepSWE v1.1 erzielt Grok 4.7 bei hoher Anstrengung 71,0% – nahe an Sol (72,7%) und Fable 5.1 (70,0%).

Für Terminal-Agentenarbeit gibt es eine auffällige Diskrepanz. Während SpaceXAI's internes Harness Grok 4.7 auf Terminal-Bench 4.0 bei 38,0% sieht, misst Artificial Analysis auf demselben Benchmark nur 26%. Das liegt deutlich hinter GPT-6 Astra (60%) und Claude Fable 5.1 (55%) und sogar leicht hinter dem günstigeren DeepSeek V4.1 Flash (27%). Wenn Terminal-Agentenarbeit dein Kerngeschäft ist, gewinnen die Spitzenmodelle bei der reinen Fähigkeit weiterhin klar.

Fazit: Beim Coding liefert sich Grok 4.7 mit GPT-5.6 Sol einen Schlagabtausch zum Bruchteil der Kosten, aber Fable 5.1 bleibt die Wahl, wenn du die absolute Spitze der Coding-Bestenliste brauchst.

Professionelle Wissensarbeit

Grok 4.7 führt alle gelisteten Wettbewerber bei juristischen Aufgaben an.

Die 19,6% auf dem Harvey Legal Agent Benchmark überragen GPT-5.6 Sol (2,5%) und Fable 5.1 (6,7%) deutlich und verbessern Grok 4.6 (15,8%). Wenn dein Workflow juristische Dokumentenanalyse oder Vertragsprüfung berührt, ist dieser Abstand kaum zu übersehen.

Bei mehrstündiger Büroarbeit, gemessen durch AA Briefcase v1.1, erzielt Grok 4.7 1.657 Punkte – vor GPT-5.6 Sol (1.487) und knapp hinter Fable 5.1 (1.678).

Für klinisches Schlussfolgern auf HealthBench Professional erreicht Grok 4.7 56,7% und liegt damit hinter Sol (60,5%) und Fable 5.1 (62,1%), aber vor dem eigenen Vorgänger (48,5%).

Technische und ingenieurwissenschaftliche Aufgaben

Bei Elektrotechnik-Aufgaben (EEBench) liefert Grok 4.7 starke 64,0% und springt damit am Vorgänger (53,0%), Fable 5.1 (56,4%) und GPT-5.6 Sol (39,4%) vorbei.

In Summe ist das Muster klar: Grok 4.7 überzeugt auf spezialisierten Profi-Benchmarks (Jura, Elektrotechnik) und liegt beim allgemeinen Coding auf oder über Sol, während Fable 5.1 die reine Coding-Bestenliste anführt. Für ein Modell zu $2/$6 ist das eine starke Position.

Welche Variante solltest du nutzen?

Grok 4.7 gibt es in Aufwand-Varianten sowie als Fast-Variante. Die Wahl hängt davon ab, wie viel du für Latenz und Tiefe des Reasonings ausgeben willst.

Die Standardempfehlung ist die normale Variante zu $2/$6. Die Fast-Variante liefert den Output doppelt so schnell zum doppelten Preis – sinnvoll nur, wenn die Antwortlatenz dein Produkt direkt beeinflusst.

SpaceXAI's veröffentlichte Benchmarks nutzen für Grok 4.7 die Einstellung xhigh effort, mit dem Hinweis, dass die 71,0% auf DeepSWE v1.1 ein High-Effort-Wert sind.

Mehr Aufwand bedeutet: Das Modell arbeitet länger und verwendet mehr Output-Tokens für Verifikation. Genau hier zahlt sich das Training auf mehrstündige Aufgaben aus – und genau hier wächst auch deine Rechnung.

Grok 4.7: Preise und Verfügbarkeit

Grok 4.7 startet bei $2 pro Million Input-Tokens und $6 pro Million Output-Tokens, unverändert gegenüber Grok 4.6.

SpaceXAI bietet außerdem eine Fast-Variante mit doppelter Output-Geschwindigkeit zum doppelten Preis an, also $4 Input und $12 Output.

Diese Basisrate entspricht einem Achtel dessen, was Claude Fable 5.1 für Output verlangt ($10 Input und $50 Output pro Million Tokens). Metas Muse Spark 1.3 Stable-Tier unterbietet Grok beim Input mit $1,25, liegt beim Output mit $4,25 aber nah dran. Das Contributor-Tier von Meta mit $0,10/$0,20 ist deutlich günstiger – im Gegenzug erlaubt man Meta das Training auf deinen Prompts.

Grok 4.7 ist ab sofort allgemein verfügbar.

Es gibt keine kostenlose API-Stufe, aber du kannst es kostenfrei in Grok Build ausprobieren.

Artificial Analysis listet für Grok 4.7 ein Kontextfenster von 500.000 Tokens, was im Launch-Post von SpaceXAI allerdings nicht erwähnt wird. Diese Lücke in der Grok-Dokumentation ist wiederkehrend – Wettbewerber wie Muse Spark kommunizieren ~1M Token deutlich offensiver.

So greifst du auf Grok 4.7 zu

Grok 4.7 ist ein proprietäres Modell und über mehrere Oberflächen erreichbar:

• Die Grok API über die SpaceXAI-Konsole
• Cursor für Coding direkt im Editor
• Grok Build, kostenlos zum Einstieg
• Drittsysteme: Coding-Harnesses, Model-Router und Cloud-Plattformen

Für API-Calls verwendest du die Modell-ID als exakten String in deiner Anfrage. Hier ein Minimalbeispiel mit dem OpenAI-kompatiblen Client gegen den SpaceXAI-Endpunkt:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_XAI_KEY",
    base_url="https://api.x.ai/v1",
)
response = client.chat.completions.create(
    model="grok-4.7",
    messages=[{"role": "user", "content": "Refactor this SQL query for readability..."}],
)
print(response.choices[0].message.content)Bereitgestellt von

Fazit

Grok 4.7 ist SpaceXAI's klarer Value-Case in einem Markt, in dem Fable darauf setzt, dass Spitzenleistung $50 pro Million Output rechtfertigt. Das erinnert an die jüngste Welle von Flash-Modellen (siehe unseren Vergleich DeepSeek V4.1 Flash vs Gemini 3.8 Flash).

Mit frontier-nahen Scores zum gehaltenen $2/$6-Tarif konkurriert SpaceXAI beim Preis pro Ergebnis statt um jeden Ranglistenpunkt.

Ich würde es für hochvolumiges Coding, juristische Agentenarbeit oder Elektrotechnik-Aufgaben wählen – dort treffen seine Benchmark-Stärken auf den günstigen Preis.

Wenn du die absolute Spitze der Coding-Rangliste brauchst, gewinnt Fable 5.1 weiterhin. Und Groks dünne Dokumentation zum Kontextfenster bleibt lästig.

Wenn du agentische Workflows auf solchen Modellen praktisch bauen willst, empfehle ich unseren AI Agent Fundamentals Skill Track, um zuerst die Basis zu legen.