Análisis de velocidad
Latencia medida en todas las ejecuciones de benchmark. P50 (mediana) y P95 (percentil 95) dan una imagen realista de la velocidad de respuesta bajo carga normal y máxima.
Precios
Lo que pagas por millón de tokens al usar este modelo en Tokonomix, más una estimación para una conversación típica.
Tokens por segundo
Rendimiento en tokens por segundo, derivado de la latencia P50 medida. Más alto es mejor; las fluctuaciones reflejan la carga del lado del proveedor.
Estimado a partir de latencia P50 × 200 tokens de salida — el número absoluto depende de esta suposición; lo que importa es la tendencia.
Capacidades
Disponibilidad
Disponibilidad
Con qué frecuencia responde este modelo cuando lo llamamos — medido en solicitudes reales de API y pruebas en vivo durante los últimos 30 días. Esto es independiente de la calidad: estos números solo indican si el modelo responde, no qué tan buena es la respuesta.
Últimos 7 días
80.0%
n=5
Últimos 30 días
66.7%
n=9
Tiempo de respuesta mediano
81,478ms
n=6
Basado en 117 mediciones en los últimos 30 días.
Detalles técnicos
Solo cuentan las llamadas reales a la API y las solicitudes de prueba en vivo — las sondas internas y las ejecuciones de referencia están excluidas.
Las llamadas con una clave API propia (BYOK) están excluidas: esos fallos son específicos de la clave, no una señal de inactividad del modelo.
Las llamadas fallidas NO se incluyen en las puntuaciones de calidad — la calidad se mide solo en respuestas exitosas. Disponibilidad y calidad son señales independientes.
Tiempo de respuesta mediano (p50) en llamadas exitosas con una duración registrada. Los valores atípicos afectan menos a la mediana que a la media.
Total de llamadas (30d)
9
Respuestas OK (30d)
6
Total de llamadas (7d)
5
Respuestas OK (7d)
4
Veredictos del benchmark Tokonomix
Grok 4.7 debuts with strong performance across coding and reasoning tasks
Grok 4.7 enters the benchmark landscape as xAI's latest offering, establishing baseline performance across multiple evaluation categories. The model demonstrates particularly strong capabilities in coding tasks, achieving 86.9 on HumanEval and 90.5 on MBPP, placing it competitively among current generation models. Mathematical reasoning shows solid results with 83.6 on GSM8K, though MATH performance at 52.8 indicates room for growth on more complex problems. The model handles general knowledge effectively with 78.4 on MMLU and 85.2 on MMLU-Pro, suggesting broad domain coverage. Instruction following capabilities appear robust at 84.7 on IFEval. This release includes full multimodal support with vision capabilities, structured output through JSON mode, tool calling functionality, and dedicated reasoning features. As a first-generation entry in our tracking system, Grok 4.7 establishes a comprehensive feature set and demonstrates competitive performance particularly in practical coding applications. Users should note this baseline will serve as the reference point for tracking future iterations and improvements in the Grok model family.
Calidad
—
Latencia p50
—
Ejecuciones de test
0