Grok 4.7 debutó con una puntuación de 19,6% en la prueba de agentes legales de Harvey, por encima de Fable 5.1 y GPT-5.6 Sol. xAI también lo ofrece a una fracción del precio de sus rivales, aunque Anthropic conserva una ventaja clara en programación y otras evaluaciones especializadas.
***
- Grok 4.7 obtuvo 19,6% en el Harvey Legal Agent Benchmark, frente a 6,7% de Fable 5.1 y 2,5% de GPT-5.6 Sol.
- xAI cobra USD $2 por millón de tokens de entrada y USD $6 por millón de salida, frente a USD $10 y USD $50 de Fable 5.1.
- Fable 5.1 mantiene una ventaja amplia en Terminal-Bench 4.0, con 57,9% frente a 38,0% de Grok 4.7.
🤖 Grok 4.7 supera a Fable 5.1 en prueba legal
19,6% en Harvey Legal Agent Benchmark, frente a 6,7% de Fable y 2,5% de GPT-5.6 Sol.
API: $2 por millón de tokens de entrada y $6 de salida.
Fable lideró Terminal-Bench con 57,9% frente a 38%.
Cifras divulgadas por xAI, sin… pic.twitter.com/cvAc1zVfOu
— Diario฿itcoin (@DiarioBitcoin) September 22, 2026
Grok 4.7, el nuevo modelo de inteligencia artificial de xAI, comenzó su despliegue con una ventaja destacada en una evaluación de agentes legales. Según el comunicado de lanzamiento citado por Cryptopolitan, el sistema consiguió 19,6% en el Harvey Legal Agent Benchmark, frente a 6,7% de Fable 5.1 y 2,5% de GPT-5.6 Sol. El resultado coloca al modelo de xAI por encima de dos competidores de alto perfil en una prueba orientada a tareas jurídicas complejas.
La diferencia también aparece en la estructura de precios, un factor decisivo para empresas que ejecutan agentes durante muchas horas y procesan grandes volúmenes de información. xAI fijó Grok 4.7 en USD $2 por cada millón de tokens de entrada y USD $6 por cada millón de tokens de salida, mientras Fable 5.1 cuesta USD $10 y USD $50, respectivamente, según las cifras divulgadas por la compañía.
Una ventaja legal con costos más bajos
El Harvey Legal Agent Benchmark mide el desempeño de sistemas capaces de trabajar en flujos jurídicos, donde la interpretación de documentos, la búsqueda de argumentos y la verificación de respuestas pueden exigir varias etapas de razonamiento. En esa comparación, Grok 4.7 alcanzó casi tres veces la puntuación de Fable 5.1 y superó por casi ocho veces el registro de GPT-5.6 Sol, aunque las cifras corresponden a las pruebas presentadas por xAI y no a una auditoría independiente descrita en la información disponible.
La puntuación de Grok 4.7 también representa una mejora frente a su antecesor inmediato. Cryptopolitan había informado que Grok 4.6 obtuvo 15,8% en la misma evaluación, por lo que el nuevo modelo elevó el resultado en 3,8 puntos porcentuales dentro de la comparación citada. Esa evolución sugiere un avance específico en trabajo legal, uno de los pocos dominios donde el sistema de xAI supera directamente a ambos rivales mencionados.
El precio puede ampliar la relevancia comercial de ese desempeño, sobre todo entre desarrolladores que necesitan probar agentes sin asumir tarifas elevadas por cada interacción. La entrada de Grok 4.7 cuesta la mitad de la de GPT-5.6 Sol y una quinta parte de la de Fable 5.1, mientras su salida se ofrece a aproximadamente una octava parte del precio de Anthropic, una diferencia que podría pesar más en tareas con respuestas extensas.
La comparación no implica que el modelo de xAI sea superior en todos los escenarios, porque los resultados cambian según el tipo de trabajo y el presupuesto disponible. En el gráfico de CursorBench 4.0 presentado por xAI, Grok 4.7 ronda 46% con un costo promedio cercano a USD $6 por tarea completada, mientras Claude Opus 5 requiere casi el doble para obtener un resultado similar; Fable 5.1 llega a 51,8% con un gasto aproximado de USD $17.
Fable conserva el liderazgo en programación
La principal respuesta de Anthropic aparece en Terminal-Bench 4.0, una evaluación centrada en tareas prolongadas de programación y uso de herramientas de terminal. Fable 5.1 obtuvo 57,9%, frente a 38,0% de Grok 4.7, una diferencia cercana a 20 puntos porcentuales que muestra por qué el precio no basta para determinar qué modelo conviene en todos los flujos de trabajo.
Fable 5.1 también lideró a Grok 4.7 en CursorBench, GDPval y la prueba de oficina AA Briefcase, de acuerdo con los gráficos incluidos en la presentación de xAI. En el ámbito clínico, HealthBench Professional favoreció a Fable y a GPT-5.6 Sol sobre el modelo de xAI, lo que mantiene una ventaja para sus competidores en tareas que exigen razonamiento médico especializado.
En GDPval, que reúne actividades relacionadas con abogados, enfermeros y analistas financieros, Grok 4.7 registró 1.695 puntos Elo. La cifra superó los 1.605 puntos de Grok 4.6, pero quedó por debajo de los 1.735 de Fable 5.1 y por encima de los 1.542 atribuidos a GPT-6 Astra en el mismo gráfico, aunque la comparación con este último modelo solo aparece en determinadas evaluaciones de la presentación.
La información divulgada indica que Grok 4.7 superó a GPT-5.6 Sol en cinco de siete benchmarks comparados, pero perdió en DeepSWE y HealthBench Professional. Además, el modelo quedó por delante de Fable 5.1 en EEBench de ingeniería eléctrica y obtuvo una ventaja estrecha en la prueba de programación DeepSWE, dos resultados que matizan el dominio de Anthropic en programación de terminal.
Más parámetros y un despliegue inmediato
Grok 4.7 funciona con 2,1 billones de parámetros, un aumento de 40% frente a los 1,5 billones de Grok 4.6. xAI afirmó que añadió datos de entrenamiento procedentes de SpaceX, incluidos registros de fabricación y telemetría satelital de Starlink, y sostuvo que el modelo tiende más que su antecesor a dedicar tiempo adicional a problemas difíciles.
La empresa también señaló que Grok 4.7 puede verificar sus propias respuestas con mayor frecuencia, una característica especialmente relevante para agentes legales y profesionales. Sin embargo, esa afirmación pertenece a la descripción de xAI y no equivale por sí sola a una medición independiente de precisión, seguridad o confiabilidad en entornos jurídicos reales.
El modelo quedó disponible sin lista de espera en la aplicación de Grok, Cursor, Grok Build y la API de xAI. La amplitud del lanzamiento permite que usuarios individuales, equipos de desarrollo y empresas prueben el sistema en distintos niveles de acceso, aunque el costo final de una tarea dependerá de la cantidad de tokens, la complejidad del flujo y las herramientas conectadas.
La presentación de resultados debe leerse considerando el origen de los datos y las relaciones corporativas involucradas. Todos los números incluidos en el lanzamiento proceden de pruebas propias de xAI, mientras CursorBench fue creado por Cursor, compañía que, según la información proporcionada, SpaceX terminó de adquirir el mes anterior; por ello, las comparaciones favorecen una revisión independiente antes de extraer conclusiones definitivas sobre el liderazgo general.
Una disputa de rendimiento y precio
El anuncio llega en un mercado donde los proveedores compiten no solo por la puntuación más alta, sino también por reducir el costo de ejecutar agentes durante periodos prolongados. Un sistema con menor tarifa de entrada puede resultar atractivo para tareas que envían extensos documentos, mientras que una tarifa de salida reducida puede beneficiar a agentes que producen informes, código o análisis detallados.
En ese contexto, Grok 4.7 combina su mejor resultado en la prueba legal de Harvey con un precio inferior al de Fable 5.1 y GPT-5.6 Sol. La estrategia de xAI busca presentar el modelo como una alternativa de precio-rendimiento, aunque la ventaja pierde fuerza en Terminal-Bench, CursorBench y HealthBench Professional, donde otras opciones muestran mejores resultados o requieren presupuestos distintos.
Elon Musk describió el lanzamiento como una combinación de inteligencia, velocidad y bajo costo. La declaración resume el posicionamiento comercial del producto, pero las cifras disponibles muestran una realidad más específica: Grok 4.7 sobresale en determinados benchmarks, mientras Fable 5.1 conserva una ventaja considerable en programación prolongada y razonamiento clínico.
Por ahora, la competencia queda dividida entre especialización y eficiencia económica. Grok 4.7 ofrece un desempeño legal superior en la evaluación citada y tarifas agresivas, pero las empresas que elijan un modelo tendrán que ponderar cada benchmark, la extensión de sus tareas y la confiabilidad que puedan verificar en sus propios procesos.
Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.
Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.
ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.
Suscríbete a nuestro boletín
Artículos Relacionados
IA
Canva permite apagar casi todas sus funciones de IA generativa
billonarios
La IPO de Anthropic podría convertir a cientos de empleados en nuevos millonarios
Empresas
Nobel y ganadores del Turing acusan a Anthropic de no ser una empresa segura antes de su IPO
Estados Unidos
