GROK 4.7: LEBIH BAIK UNTUK TUGAS PANJANG, TAPI TIDAK LEBIH KUAT DI SEMUA ASPEK xAI telah merilis Grok 4.7, sebuah model yang dirancang untuk pemrograman, agen AI, dan tugas-tugas yang dapat berjalan selama berjam-jam. Versi baru ini dilengkapi dengan model dasar baru, pelatihan RL yang lebih panjang pada tugas-tugas sulit, peningkatan pemeriksaan mandiri, dan jendela konteks panjang hingga 500K token. Model ini sudah tersedia di Cursor, Grok Build, dan API. Menurut benchmark xAI, Grok 4.7 menunjukkan peningkatan yang jelas: - CursorBench 4.0: 46,3% vs. 40,4% untuk Grok 4.6 - DeepSWE: 71% vs. 65,2% - Terminal-Bench: 38% vs. 20,3% Pada CursorBench, Grok 4.7 mengalahkan GPT-5.6 Sol, tetapi masih kalah dari Fable 5.1. Uji coba independen memberikan gambaran yang lebih campur aduk. Artificial Analysis memberikan Grok 4.7 peningkatan kecil—46 vs. 44 pada Indeks Kecerdasannya. Namun, sebagai agen pemrograman di dalam Grok Build, model ini tampak lebih kuat. Ada juga kelemahannya: Grok 4.7 lebih panjang lebar. Harga token tetap sama, tetapi output yang lebih panjang berarti beberapa tugas bisa berakhir lebih mahal. Harga API: $2 per 1 juta token masukan / $6 per 1 juta token keluaran. Setelah prompt melebihi 200K token, tarif harga menjadi dua kali lipat. Versi Cepat 2x lebih cepat dan lebih mahal, dan saat ini hanya tersedia di Cursor dan Grok Build. Secara keseluruhan, Grok 4.7 paling masuk akal digunakan untuk sesi pemrograman panjang, repositori besar, dan tugas multi-langkah kompleks. Untuk prompt singkat, peningkatannya mungkin jauh lebih kecil. Jadi, apakah Grok 4.7 benar-benar merupakan peningkatan besar—atau hanya model yang lebih mahal dan unggul dalam sekumpulan tugas yang lebih sempit?