xAI เปิดตัว Grok 4.7 — base model ใหม่ใหญ่ขึ้น ราคาเท่าเดิม $2/$6 แต่ Terminal-Bench 4.0 ที่วัดอิสระได้ 26% ไม่ใช่ 38% อย่างที่ประกาศ

xAI ซึ่งหน้าเว็บตอนนี้ใช้ชื่อ SpaceXAI เปิดตัว Grok 4.7 เมื่อวันที่ 21 ก.ย. โดยวางตำแหน่งเป็น “โมเดลที่เก่งที่สุดของเราสำหรับงานเขียนโค้ดและงานความรู้” ใช้ได้ทันทีใน Cursor, Grok Build (เครื่องมือ coding agent ของ xAI เอง), Grok API และ router อย่าง OpenRouter จุดขายหลักคือ ราคาและความเร็วเท่ากับ Grok 4.6 ทั้งที่เปลี่ยนไปใช้ base model ตัวใหม่ที่ใหญ่กว่า

สำหรับนักพัฒนา ข่าวนี้มีสองด้าน ด้านหนึ่งคือโมเดลระดับ frontier ที่ราคาถูกกว่าคู่แข่งหลายเท่า อีกด้านคือช่องว่างระหว่างตัวเลขที่ xAI ประกาศกับตัวเลขที่ผู้วัดอิสระได้ ซึ่งในบางรายการห่างกันมากพอที่จะเปลี่ยนการตัดสินใจเลือกโมเดล

อะไรใหม่ใน 4.7

ตามประกาศของ xAI:

• base model ใหม่ที่ใหญ่กว่า 4.6 (ไม่เปิดเผยขนาด) และ RL ที่ยาวขึ้นบนโจทย์ที่ยากขึ้น “ถ่วงน้ำหนักไปที่ปัญหาที่ใช้เวลาหลายชั่วโมง”
• เก่งขึ้นในการตรวจงานตัวเองและจัดการ context ยาว และถูกเทรนให้เข้าใจ harness ของ Grok Bot โดยตรง
• safeguard stack ใหม่ทั้งชุด — xAI อ้างว่าบนเบนช์มาร์กภายในชื่อ HackerBench v0.3 โมเดลปล่อยพรอมต์ไซเบอร์ที่เสี่ยงผ่านไปแค่ 3.3% และเปิดให้พาร์ตเนอร์ด้านความปลอดภัยที่คัดเลือกแล้วเข้าถึงความสามารถ red-team แบบ invite-only

ราคาและรายละเอียด API

หน้า docs ของ xAI ระบุ grok-4.7 ที่ $2 ต่อล้านโทเคน input และ $6 ต่อล้านโทเคน output cached input $0.50 ราคาเพิ่มเป็นสองเท่า ($4/$12) สำหรับ long context, prompt สูงสุด 500K โทเคน, reasoning effort เลือกได้ low / medium / high / xhigh และรับภาพเป็น input ได้ มีรุ่น fast ที่ออกโทเคนเร็วขึ้นสองเท่าในราคาสองเท่า

รายละเอียดเล็กที่ควรรู้ถ้าจะย้ายโค้ดมาใช้: docs ระบุว่า grok-4.7 ส่ง reasoning.encrypted_content กลับมาเสมอ แม้จะไม่ได้ขอใน include ก็ตาม และ cluster us-central-1 คิดราคาสูงกว่าอีกราว 10% ส่วนบน OpenRouter ตอนที่เราตรวจ endpoint ของ xAI แสดงราคา $1.60/$4.80 ซึ่งต่ำกว่าราคาในประกาศ 20% — เช็กราคาจริงบน dashboard ของผู้ให้บริการที่คุณใช้ก่อนคำนวณต้นทุน

ตัวเลขของ xAI เทียบกับผลวัดอิสระ

ตารางในประกาศเทียบ Grok 4.7 (xhigh) กับ Grok 4.6, GPT-5.6 Sol และ Claude Fable 5.1:

เบนช์มาร์ก (ตัวเลขของ xAI)	Grok 4.7	Grok 4.6	GPT-5.6 Sol	Fable 5.1
CursorBench 4.0	46.3%	40.4%	41.7%	51.8%
DeepSWE v1.1	71.0%*	65.2%	72.7%	70.0%
Terminal-Bench 4.0	38.0%	20.3%	37.3%	57.9%
EEBench	64.0%	53.0%	39.4%	56.4%

* ที่ effort high

ปัญหาคือตัวเลข Terminal-Bench 4.0 เมื่อ Artificial Analysis วัดเองได้แค่ 25.8% (xhigh) และ 24.7% (high) — ต่ำกว่าที่ xAI ประกาศราว 12 จุด ขณะที่ GPT-6 Astra (xhigh) ได้ 59.5% และ Fable 5.1 ได้ 52–55% บนเบนช์มาร์กเดียวกัน ส่วน Intelligence Index รวมได้ 46 ขึ้นจาก 44 ของ Grok 4.6 แต่ยังตามหลังกลุ่มบนสุดคือ Fable 5.1 (53.4) และ GPT-6 Astra (52.7) อยู่ราว 7 จุด AA ยังบันทึกว่า Grok 4.7 ใช้ 240 ล้านโทเคน output ในการวัดดัชนีรอบนี้ เทียบค่ากลาง 94 ล้านของโมเดลในระดับราคาเดียวกัน และออกโทเคนได้แค่ราว 39 โทเคนต่อวินาที

อีกจุดที่ผู้ใช้ Hacker News ตั้งข้อสังเกตคือ กราฟ price-performance บน CursorBench ที่อยู่หัวประกาศเทียบกับ Fable 5.1, Opus 5, GPT-5.6 Sol และ Sonnet 5 แต่ ไม่มี GPT-6 Astra ทั้งที่กราฟ GDPval ลงไปอีกไม่กี่ย่อหน้ากลับใส่ Astra ไว้ (ซึ่งในกราฟนั้น Grok 4.7 ชนะ Astra ได้ 1695 ต่อ 1542)

มุมมอง AI Curator

ตัวเลข 26% กับ 38% ไม่จำเป็นต้องแปลว่า xAI โกหก — Terminal-Bench ขึ้นกับ harness, timeout และจำนวนรอบที่ให้โมเดลลองอย่างมาก และแล็บเกือบทุกแห่งรายงานตัวเลขจาก harness ภายในของตัวเอง แต่นั่นแหละคือบทเรียน: ตัวเลขที่ vendor ประกาศบอกได้แค่ว่าโมเดลทำได้ดีที่สุดแค่ไหนในสภาพแวดล้อมที่ vendor เลือก ไม่ได้บอกว่าจะทำได้แค่ไหนใน harness ของคุณ ลองสังเกตว่าในวันเดียวกัน MiMo-V2.6-Pro ของ Xiaomi รายงาน Terminal-Bench 4.0 ไว้ 34.9 และ AA วัดได้ 34.8 เกือบเท่ากันพอดี ความต่างระหว่างสองกรณีนี้บอกอะไรเราได้มากกว่าตัวเลขเอง (ดูโพสต์ MiMo-V2.6)

ภาพที่น่าคิดกว่าสำหรับนักพัฒนาคือ Grok 4.7 กับ MiMo-V2.6-Pro ได้คะแนน AA Intelligence Index เท่ากันที่ 46 ตัวหนึ่งเป็นโมเดลปิดราคา $2/$6 อีกตัวเป็น open-weight ที่ดาวน์โหลดได้ และมี API ราคา $0.435/$0.87 ถูกกว่าราว 5–7 เท่า ช่องว่างระหว่าง “โมเดลปิดระดับกลางบน” กับ “open-weight ที่ดีที่สุด” แทบหายไปแล้ว สิ่งที่โมเดลปิดอย่าง Grok ยังเหลือขายจริงคือ integration — มีใน Cursor ตั้งแต่วันแรก, rate limit สูง (docs ระบุ 7,200 RPM) และ SLA

สำหรับทีมไทยที่คิดค่าใช้จ่าย coding agent เป็นเงินบาทต่อเดือน อย่าดูแค่ราคาต่อโทเคน โมเดลที่ใช้โทเคนมากกว่าค่ากลางราว 2.5 เท่าอย่างที่ AA วัดได้ อาจแพงกว่าโมเดลที่ราคาต่อโทเคนสูงกว่าก็ได้เมื่อคิดเป็นต้นทุนต่องาน และช้ากว่าด้วย วิธีที่ถูกคือเอางานจริงของทีม 20–30 ชิ้นมารันเทียบ วัดทั้งอัตราสำเร็จและบิลรวม ก่อนสลับ default model ใน Cursor

แหล่งข่าว

• Introducing Grok 4.7 — xAI
• xAI Developer Docs — Models & pricing
• Grok 4.7 — Artificial Analysis
• xAI launches Grok 4.7 at bargain prices, but benchmarks reveal a wide gap to Claude and GPT-6 — The Decoder