Grok 4.7 vs. GPT-6 Astra: zo verhouden ze zich.

GPT-6 Astra lanceerde op 3 september. Grok 4.7 volgde een paar weken later, op 21 september, met SpaceXAI’s eigen vergelijkingen met Astra meteen in de release verwerkt. Lees beide posts na elkaar en je zou denken dat elk model duidelijk wint. Lees ze naast elkaar, en het wordt duidelijker wat er eigenlijk gebeurt: twee bedrijven kozen verschillende benchmarks om te benadrukken, en geen van beide mat zich af tegen de favoriet van de ander.

Maar de benchmarks uit de launch-posts vertellen je alleen iets over de specifieke taken die elk bedrijf wilde laten zien. Ze vertellen je niet waar een model overall staat. Op die grotere vraag is er reden om te denken dat Grok 4.7 niet in dezelfde klasse speelt als Astra. Hier is de Artificial Analysis Intelligence Index nuttig, omdat het een derde partij is. Dat gezegd hebbende: de vergelijking is niet zuiver. Grok 4.7 is veel goedkoper, en de kosten per token maken het tot een goed model.

Wat is Grok 4.7?

Grok 4.7 is xAI/SpaceXAI’s nieuwste model, gepositioneerd voor codeer- en kenniswerk. In de release wordt het beschreven als “twee keer zo snel, voor de helft van de prijs” van vergelijkbare modellen, en er staat dat het wordt geleverd voor dezelfde prijs en snelheid als zijn voorganger, Grok 4.6, wat een goede manier is om buzz te genereren.

Onder de motorkap gebruikt Grok 4.7 een groter basismodel dan 4.6, getraind met een langere reinforcement learning-run op een moeilijkere mix van taken en gewogen richting problemen die vele uren kosten om te voltooien. Ook is het model beter in het controleren van eigen werk en het beheren van langere context. Tot slot moeten we weten dat het is getraind om het Grok Bot-harnas native te begrijpen.

Wat is GPT-6 Astra?

GPT-6 Astra is OpenAI’s huidige vlaggenschipmodel. OpenAI noemt het “’s werelds intelligentste en best uitgelijnde model.” OpenAI zegt dat Astra 98% scoort op FrontierMath Tier 4, 99,9% op ARC-AGI-3 en 100% op ExploitBench. We zullen in toekomstige artikelen ongetwijfeld andere benchmarktests aanhalen, omdat Astra veel van de bekendste inmiddels verzadigd heeft. Ook heeft Astra al geholpen bij open problemen in de wiskunde, waaronder twee nieuwe resultaten over gaten tussen priemgetallen.

Meer nog, OpenAI positioneert Astra als een grote stap voorwaarts in computergebruik. Het handelt taken af zoals formulieren invullen, CRM-records bijwerken, onderzoek doen, websites bouwen en frontend-QA draaien. Andere modellen konden dit al, maar OpenAI zegt dat Astra net zoveel sneller en nauwkeuriger is. De release benadrukt ook professionele outputkwaliteit en stelt dat Astra beter bestaande templates en huisstijl volgt bij het produceren van documenten, spreadsheets, presentaties, enzovoort.

Grok 4.7 vs. GPT-6 Astra: vergelijking head-to-head

Grok 4.7 vs. GPT-6 Astra voor coderen

De release van Grok 4.7 zet CursorBench 4.0 centraal als de kenmerkende codeerbenchmark, waar het 46,3% (xHigh-instelling) scoort, wat voorligt op Grok 4.6 (40,4%). Het ligt ook voor op GPT‑5.6 Sol (41,7%), maar achter Claude Fable 5.1 (51,8%). 

GPT‑6 Astra’s post noemt in plaats daarvan Terminal-Bench 4.0, waar het 57,9% claimt, wat beter is dan GPT‑5.6 Sol (37,3%) en Claude Fable 5.1 (55,8%).

Interessant genoeg rapporteert Groks release ook een Terminal-Bench 4.0-score van 38,0% voor Grok 4.7, wat ruim onder Astra’s score ligt.

Op DeepSWE v1.1 liggen de twee dicht bij elkaar, maar Astra ligt voor: Astra rapporteert 74,1% tegenover 71,0% voor Grok 4.7 (bij hoge inspanning).

• Conclusie: Astra’s benchmarkpakket voor coderen is breder en schetst een sterker totaalbeeld, maar de twee bedrijven kozen verschillende vlaggenschipbenchmarks, waardoor een echte vergelijking lastig te maken is. We zien dat bedrijven dit doen, waarschijnlijk bewust. 

Grok 4.7 vs. GPT-6 Astra voor kenniswerk

Grok 4.7 benadrukt AA Briefcase v1.1 (“meeruren kantoorwerk”), waar het 1.657 scoort, voor Grok 4.6 (1.546) en GPT‑5.6 Sol (1.487). Maar het blijft achter bij Claude Fable 5.1, dat die ranglijst aanvoert met 1.678.

Grok haalt ook een GDPval Elo-vergelijking aan waar Fable 5.1 leidt met 1.735, gevolgd door Grok 4.7 met 1.695 en daarna Grok 4.6 met 1.605. GPT‑6 Astra eindigt als laatste op deze grafiek met 1.542, althans in xAI’s eigen presentatie.

GPT‑6 Astra’s claims rond kenniswerk leunen op volledig andere benchmarks: AutomationBench (41,4%, wat voorligt op GPT‑5.6 Sol en Fable 5.1) en BenchCAD (95,9%, opnieuw voor op Sol en Fable 5.1). Het verwijst ook naar Agents’ Last Exam, waar het 59,3% scoort, voor Opus 5’s 55,5%.

• Conclusie: Elk bedrijf koos de benchmarks die het het best flatteren. Grok leunt op uithoudingsvermogen voor kantoorwerk en langetermijn Elo-scores, terwijl Astra leunt op taakvoltooiing en template-volgende benchmarks. Geen van beide releases zet het eigen model neer tegen de benchmark van de ander en verliest, en vergelijken is lastig. Noem dit een gelijkspel.

Grok 4.7 vs. GPT-6 Astra voor cyberbeveiliging

Hier vertellen de twee releases bijna tegengestelde verhalen.

xAI zegt dat Grok 4.7 96,7% van risicovolle dual-use prompts blokkeert op HackerBench v0.3, terwijl legitiem securitywerk wel doorgang vindt. Het voert ook LatchBio’s biosafety-benchmark aan met 62,4%. Het bedrijf noemt dat geselecteerde partners smallere, alleen-op-uitnodiging-toegang krijgen tot minder beperkte red-teammogelijkheden, maar de kop is terughoudendheid.

OpenAI zegt dat GPT‑6 Astra zijn eigen “Critical” drempel voor cybercapaciteit overschrijdt, en rapporteert 100% op ExploitBench, tegenover 78,5% voor GPT‑5.6 Sol. Het stelt ook dat Astra tijdens tests twee echte zero-day-kwetsbaarheden vond, die OpenAI naar eigen zeggen meldde aan maintainers. Daarnaast meldt OpenAI een “honigpot”-exploitatieratio van 0% toen Astra werd getest zonder productiebeveiligingen, en zegt het dat Astra geavanceerdere offensieve taken, zoals proof-of-concept-exploitcreatie, zal weigeren.

• Conclusie: Grok 4.7 wordt als veilig in de markt gezet omdat het tegenhoudt. GPT‑6 Astra wordt als veilig in de markt gezet omdat het uitgelijnd is, zelfs wanneer het niet inhoudt. Het is de moeite waard om op te merken dat “veilig” in elk verhaal iets anders betekent.

Waar Grok 4.7 daadwerkelijk staat ten opzichte van Astra

Laten we even afstand nemen van de uitgekozen grafieken.

Op de Artificial Analysis Intelligence Index — een aggregaat over tien benchmarks, niet één zorgvuldig gekozen taak — scoort Grok 4.7 46. Fable 5.1 en GPT-6 scoren beide 53. Dat is een kloof, en het is er geen die een van beide launch-posts je laat zien, omdat geen van beide tegen die index benchmarkt.

SpaceXAI’s eigen release claimt 38% op Terminal-Bench 4.0, maar Artificial Analysis mat Grok 4.7 onafhankelijk op slechts 26% op dezelfde benchmark. Astra claimt 57,9% te hebben. Zelf-gerapporteerde cijfers en onafhankelijk gemeten cijfers vertellen niet altijd hetzelfde verhaal.

Elon Musk zelf temperde de verwachtingen een week voordat Grok 4.7 lanceerde:

Geen van dit alles betekent dat Grok 4.7 een slecht model is — het prijs-prestatieverhaal verderop in dit stuk blijft staan. Maar het is de moeite waard om de benchmark-voor-benchmarkvergelijkingen die volgen met dit in gedachten te lezen: ze vergelijken twee modellen die mogelijk geen directe peers zijn, met metrics die elk bedrijf koos omdat hun model daar goed op scoort.

Grok 4.7 vs. GPT-6 Astra qua prijs

Grok 4.7 is 5x goedkoper op inputtokens en grofweg 8x goedkoper op outputtokens. Dus Grok 4.7 evenaart of verslaat grotere modellen voor een fractie van de kosten, terwijl de prijs gelijk blijft ten opzichte van Grok 4.6.

OpenAI betwist het prijsverschil eigenlijk niet. Het voert efficiëntie aan: Astra zou minder tokens nodig hebben om een taak te voltooien, wat de kloof in kosten-per-taak deels zou dichten, zelfs als het per-token tarief hoger is (veel hoger).

De conclusie: als je optimaliseert voor kosten per token, wint Grok 4.7.

Grok 4.7 vs. GPT-6 Astra qua veiligheid

Grok 4.7’s veiligheidsverhaal draait om weigeringen en jailbreakbestendigheid. xAI noemt het het sterkste model dat ze op deze punten hebben getest, ondersteund door een nieuwe safeguard-stack. Het verwijst ook naar LatchBio’s biosafety-benchmark, waar het 62,4% scoort, neergezet als een balans tussen bruikbaarheid voor legitiem biologisch werk en veilig weigeren van gevaarlijke verzoeken.

Grok 4.7 vs. GPT-6 Astra qua beschikbaarheid

Grok 4.7 is nu beschikbaar. Je kunt het gebruiken in Cursor, Grok Build, de Grok API en via third-party codeerharnassen, modelrouters en cloudplatforms.

GPT‑6 Astra rolt langzamer uit. Het begon met een beperkte set organisaties, met ChatGPT Plus/Pro/Business/Enterprise-toegang, de OpenAI API, Microsoft Azure en AWS Bedrock die in de daaropvolgende dagen volgden. Enterprise-beheerders moeten het ook zelf aanzetten, want het staat standaard uit.

• Conclusie: Grok 4.7 lanceerde breed, Astra gefaseerd. Maar Astra lanceerde een paar weken geleden, dus beide zijn nu breed beschikbaar. 

Wat early testers zien

Benchmarks zijn één ding. Maar head-to-head-tests zijn misschien interessanter. Nu beide modellen uit zijn, beginnen we toffe dingen te zien die mensen maken.

Een voorbeeld: ontwikkelaar Aditya gaf GPT-6 Astra, Grok 4.7, Kimi K3 en Fable 5.1 dezelfde prompt, over het bouwen van een vluchtsimulator. Zijn oordeel: Astra kwam overall als beste uit de bus, maar Grok 4.7 zat verrassend dichtbij, terwijl Kimi K3 en Fable 5.1 daarachter gelijk eindigden.

Een week voor de lancering, zoals ik eerder noemde, zette Musk Grok 4.7 neer als ruwweg Opus 5.0-klasse en een niveau onder Astra en Fable, en hij noemde multimodaal ook als een specifieke zwakte. Een vluchtsimulator is zo ongeveer de meest multimodale taak die je een model kunt geven. Als Grok 4.7 dan toch naast Astra opduikt bij precies het soort taak waarvan Musk zei dat het moeite zou kosten, is dat een goed teken voor SpaceXAI. Misschien heeft Elon het model te weinig krediet gegeven.

Conclusie

De modelcijfers zijn een beetje kop of munt. Coderen, cyberbeveiliging, veiligheid, kenniswerk: het hangt ervan af welke grafiek je gelooft. Beide bedrijven kozen de cijfers die hen er goed uit laten zien.

Maar de Artificial Analysis Intelligence Index is hier nuttig, omdat een enkel benchmarkgetal van een leverancier en een geaggregeerd getal van een neutrale derde partij niet hetzelfde soort bewijs zijn, en we weten dat Astra overall wint, behalve natuurlijk op prijs, waar het flink verliest.