Grok 4.7 succède à Grok 4.6 au même prix, avec un score Terminal-Bench qui double et un taux d'hallucination en légère baisse. La précision, elle, ne bouge presque pas : la comparaison montre surtout où le nouveau modèle progresse, et où il stagne.
Deux modèles, une seule grille tarifaire
xAI n'a pas retouché ses prix. Grok 4.7, sorti le 21 septembre, coûte exactement ce que coûtait Grok 4.6 depuis le 12 août : 2 dollars le million de tokens en entrée, 6 dollars en sortie. Même tarif, même fenêtre de contexte annoncée, même entrée texte et image. Sur le papier, les deux modèles se ressemblent.
Critère | Grok 4.6 | Grok 4.7 |
|---|---|---|
Prix d'entrée | 2 $ | 2 $ |
Prix de sortie | 6 $ | 6 $ |
Terminal-Bench | Env. 20 % | Env. 38 % |
Taux d'hallucination (effort élevé) | 34 % | 29 % |
Indice Artificial Analysis | 30 | 32 |
Précision | 48 % | 47 % |
C'est dans les lignes du bas que se joue la vraie différence. Le score sur Terminal-Bench, un test de programmation en ligne de commande, double d'une génération à l'autre. Le reste bouge à peine, et une mesure recule même d'un point.
Terminal-Bench : le gain le plus net
Le chiffre le plus parlant de cette mise à jour concerne Terminal-Bench 4.0. Grok 4.6 y obtenait environ 20 %, Grok 4.7 passe à environ 38 %. Un doublement sur un test de code, c'est rare pour une simple itération, et cela confirme l'orientation du modèle vers les tâches de développement longues où un agent doit garder le fil sur des dizaines d'étapes successives.
Cette progression explique pourquoi xAI met en avant Cursor et Grok Build. Sur un éditeur de code, un modèle qui réussit deux fois plus de tâches en ligne de commande change concrètement le quotidien : moins de relances manuelles, moins de scripts à réécrire, des enchaînements d'étapes qui tiennent sur la durée.
Les scores proviennent d'évaluations tierces et de relevés publics, pas d'une publication complète d'xAI. Un ordre de grandeur, donc. Pas un verdict.
Hallucinations en baisse, précision stable
Le deuxième écart mesuré porte sur les hallucinations. Sur l'indice Omniscience d'Artificial Analysis, Grok 4.7 affiche un taux de 29 % en effort élevé, contre 34 % pour Grok 4.6. Cinq points de moins. Le modèle invente donc un peu moins souvent, ce qui compte sur des tâches de recherche ou de synthèse où une affirmation fausse se propage sans contrôle.
La précision, en revanche, recule d'un point, de 48 % à 47 %. L'écart est trop faible pour être significatif. Le modèle n'a pas gagné en exactitude sur ce volet. Grok 4.7 hallucine moins. Il ne se trompe pas moins pour autant.
L'indice global d'Artificial Analysis, lui, passe de 30 à 32. Une hausse modeste, cohérente avec l'idée d'une amélioration ciblée plutôt que d'un saut de génération.
La prudence sur les deux mille milliards de paramètres
Un chiffre circule beaucoup depuis la sortie : celui d'un modèle à 2,1 billions de paramètres. Il faut le manipuler avec précaution. Cette information vient d'Elon Musk, et elle n'a pas été confirmée par xAI dans une communication officielle. Elle s'appuie sur des déclarations publiques, pas sur une fiche technique vérifiée.
Le nombre de paramètres, de toute façon, dit peu de chose sur la qualité d'un modèle. Deux modèles de taille identique peuvent afficher des performances très différentes selon les données d'entraînement et la méthode utilisée après. Prendre ce chiffre comme un argument de vente serait une erreur. Un nombre de paramètres ne prouve rien sur la qualité d'un modèle.
Ce que l'on peut retenir de solide, c'est la direction prise par xAI : une base plus large, un entraînement par renforcement plus long, et un effort porté sur les tâches qui s'étalent dans le temps. Le reste relève du discours.
Qui doit passer à Grok 4.7
Le passage se justifie surtout pour ceux qui utilisent déjà Grok 4.6 sur du code. Le doublement du score Terminal-Bench, conjugué à un tarif inchangé, rend l'ancienne version difficile à défendre sur ces usages.
Ceux qui s'en servent pour de la rédaction ou du résumé gagneront peu. Le taux d'hallucination baisse, ce qui est un vrai progrès : invention moins fréquente, faits plus fiables. Mais la précision ne progresse pas et l'indice global ne bouge que de deux points. Pour ces profils, la mise à jour est neutre.
Reste la question du coût réel. Les deux modèles facturent le même prix au million de tokens, mais Grok 4.7 réfléchit davantage et consomme donc plus de tokens par tâche. Sur un usage intensif, la facture peut grimper malgré un tarif identique. Un test sur vos propres requêtes, facture à l'appui, vaut mieux que n'importe quel tableau comparatif.
