Grok 4.7 vs Fable 5.1 vs GPT-5.6 Sol: policzyłem, ile kosztuje punkt przewagi
Cztery wygrane benchmarki kontra pięciokrotnie niższa cena. Liczę koszt jednego punktu przewagi i mówię, kiedy dopłata ma sens.
👁 214 przeczytań
Producent Groka 4.7 zrobił przy premierze rzecz nietypową: opublikował własne wyniki obok wyników konkurencji i obok cen. Wziąłem tę tabelę i policzyłem to, czego w niej nie ma - ile realnie kosztuje jeden punkt procentowy przewagi. Wynik jest dla części zastosowań brutalny.
Rozstrzygnięcie w jednym akapicie
Fable 5.1 wygrywa cztery benchmarki z siedmiu, ale kosztuje pięć razy więcej na wejściu i ponad osiem razy więcej na wyjściu. Grok 4.7 wygrywa trzy - elektronikę, pracę prawniczą i cenę. GPT-5.6 Sol nie wygrywa żadnego poza jednym testem programistycznym, przy cenie pośrodku. Jeśli Twoje zadania przypominają CursorBench albo Terminal-Bench, dopłata ma uzasadnienie. Jeśli nie - trudno je obronić.
Pełna tabela, ceny i wyniki razem
| Grok 4.7 xHigh | GPT-5.6 Sol Max | Fable 5.1 Max | |
|---|---|---|---|
| Wejście (mln tokenów) | 2 USD | 4 USD | 10 USD |
| Wyjście (mln tokenów) | 6 USD | 20 USD | 50 USD |
| CursorBench 4.0 | 46,3% | 41,7% | 51,8% |
| DeepSWE v1.1 | 71,0%* | 72,7% | 70,0% |
| EEBench - elektronika | 64,0% | 39,4% | 56,4% |
| AA Briefcase - biuro | 1 657 | 1 487 | 1 678 |
| Terminal-Bench 4.0 | 38,0% | 37,3% | 57,9% |
| Harvey - prawo | 19,6% | 2,5% | 6,7% |
| HealthBench Professional | 56,7% | 60,5% | 62,1% |
| Wygranych benchmarków | 2 | 1 | 4 |
Gwiazdka to wynik w trybie wysokiego wysiłku. Wszystkie liczby pochodzą z materiału producenta Groka.
Ile kosztuje punkt przewagi
To jest wyliczenie, którego nie ma w żadnym ogłoszeniu, a decyduje o rachunku. Weźmy CursorBench, czyli kodowanie - test, w którym Fable 5.1 wygrywa najwyraźniej.
Przewaga wynosi 5,5 punktu procentowego (51,8% wobec 46,3%). Koszt zadania przy milionie tokenów wejściowych i 200 tysiącach wyjściowych:
| Model | Koszt zadania | Wynik CursorBench | Dopłata wobec Groka |
|---|---|---|---|
| Grok 4.7 | 3,20 USD | 46,3% | - |
| GPT-5.6 Sol | 8,00 USD | 41,7% | +4,80 USD za wynik gorszy |
| Fable 5.1 | 20,00 USD | 51,8% | +16,80 USD za +5,5 pkt |
Jeden punkt procentowy przewagi w kodowaniu kosztuje około 3,05 USD na zadanie. Przy stu zadaniach miesięcznie to 305 dolarów, czyli około 1 150 zł, za pięć i pół punktu.
Nie przepłacaj za te subskrypcje
Prowadzę sklep z rocznymi dostępami do narzędzi AI - te same konta, o których piszę wyżej, tylko taniej niż w cenniku producenta.
To jest wyliczenie redakcji na podstawie cen i wyników producenta, przy kursie 3,78 zł za dolara. Czy to się opłaca, zależy wyłącznie od tego, ile kosztuje Cię błąd. Przy kodzie idącym na produkcję pięć punktów może być warte każdej złotówki. Przy generowaniu treści roboczych - raczej nie.
Gdzie różnice są największe
Prawo: przewaga trzykrotna i ośmiokrotna
Harvey Legal Agent Benchmark: 19,6% wobec 6,7% i 2,5%. To nie jest różnica stopnia, tylko rzędu wielkości. Przy pracy z dokumentami prawnymi ten jeden wiersz tabeli przeważa wszystko inne - i przy okazji model jest tu najtańszy.
Elektronika: 25 punktów różnicy
EEBench: 64,0% wobec 39,4%. Grok 4.7 wygrywa też z droższym konkurentem (56,4%).
Terminal: przewaga po drugiej stronie
Terminal-Bench 4.0: 57,9% wobec 38,0%. Prawie 20 punktów na korzyść droższego modelu. Przy długich zadaniach w terminalu ta różnica jest zbyt duża, żeby ją zignorować dla oszczędności.
Medycyna: najdroższy wygrywa
HealthBench Professional: 62,1%, 60,5% i 56,7%. Różnice są niewielkie, ale kolejność odwrotna do ceny - tu płacisz i dostajesz.
Osobna miara: praca zawodowa
Producent podał też wyniki w skali Elo dla zadań wykonywanych przez zawodowców - prawników, pielęgniarki, analityków finansowych:
| Model | Elo |
|---|---|
| Fable 5.1 (max) | 1 735 |
| Grok 4.7 (xhigh) | 1 695 |
| Grok 4.6 (high) | 1 605 |
| GPT-6 Astra (max) | 1 542 |
Różnica między czołówką a Grokiem 4.7 to 40 punktów Elo. Dla porównania: skok z Groka 4.6 na 4.7 to 90 punktów, czyli ponad dwa razy więcej niż dystans, jaki został do lidera.
Który model do czego - tabela decyzyjna
| Twoje zadanie | Wybór | Dlaczego |
|---|---|---|
| Dokumenty prawne, analiza umów | Grok 4.7 | 19,6% wobec 6,7% - i taniej |
| Inżynieria elektryczna | Grok 4.7 | 64,0%, najlepszy wynik w zestawieniu |
| Duży wolumen, budżet się liczy | Grok 4.7 | 3,20 USD wobec 20,00 USD na zadanie |
| Długie zadania w terminalu | Fable 5.1 | 57,9% wobec 38,0% - różnica zbyt duża |
| Najtrudniejsze kodowanie | Fable 5.1 | 51,8% wobec 46,3%, jeśli błąd kosztuje |
| Zastosowania medyczne | Fable 5.1 | 62,1%, najwyżej w HealthBench |
| Praca biurowa, prezentacje | remis | 1 678 wobec 1 657 - różnica w granicach szumu |
Czego ta tabela nie mówi
To jest opinia i uważam ją za najważniejszą rzecz w całym tekście. Wszystkie te liczby pochodzą od jednego producenta, który przy okazji publikuje wyniki swojej konkurencji. Nie ma powodu zakładać, że są nieuczciwe - podanie własnych przegranych w czterech testach z siedmiu przemawia za rzetelnością. Ale to nadal nie jest niezależny benchmark.
Druga rzecz: benchmark mierzy to, co mierzy. Jeśli Twoja praca nie przypomina żadnego z tych siedmiu testów, tabela mówi Ci o niej niewiele. Jedyny wiarygodny test to dziesięć Twoich własnych zadań puszczonych przez oba modele i porównanych ręcznie. Kosztuje to kilkadziesiąt złotych i godzinę czasu, a odpowiada na pytanie, na które żaden ranking nie odpowie.
Najczęstsze pytania
Który model jest najlepszy?
Fable 5.1 wygrywa cztery benchmarki z siedmiu, więc w kategorii czystej jakości - on. W kategorii wyniku na złotówkę - Grok 4.7, i to z dużym zapasem.
Czy warto dopłacać za droższy model?
W kodowaniu jeden punkt przewagi kosztuje około 3 USD na zadanie. Opłaca się, jeśli błąd w kodzie kosztuje Cię więcej. Przy pracy roboczej trudno to obronić.
Dlaczego GPT-5.6 Sol wypada słabo?
W tym zestawieniu wygrywa tylko jeden benchmark, przy cenie dwa razy wyższej od najtańszego. Warto pamiętać, że to wyniki opublikowane przez konkurenta - do weryfikacji u źródła.
Co z GPT-6 Astra?
Pojawia się tylko w zestawieniu Elo dla pracy zawodowej, gdzie ma 1 542 punkty - najniżej z czterech porównywanych.
Źródła i data sprawdzenia
Ceny i wyniki benchmarków pochodzą z oficjalnego ogłoszenia Groka 4.7 z 21 września 2026, odczytanego tego samego dnia: x.ai/news/grok-4-7. Wyliczenia kosztu zadania i kosztu punktu przewagi to obliczenia redakcji na podstawie tych cen, przy założeniu miliona tokenów wejściowych i 200 tysięcy wyjściowych oraz kursie 3,78 zł za dolara. Nie przeprowadziłem własnych testów żadnego z tych modeli - to jest analiza cudzych liczb, nie pomiar.
Czytasz Promptowego częściej? Dodaj go do preferowanych źródeł w Google, a nowe teksty będą wyżej w Twoich wynikach.
Więcej o Groku 4.7
ChatGPT wysyła ludzi do redakcji zamiast do supportu. Policzyłem, ile to kosztuje jedną skrzynkę mailowąMagazyn
Polski prompt kosztuje o 40 procent więcej niż angielski. Policzyłem dopłatę za ogonki w czterech modelachMagazyn
Od 24 do 2199 zł za AI: policzyłem, ile to procent polskiej pensji i ile kosztuje jeden dzień myślenia maszynyMagazynCały tydzień w AI, w jednym mailu
Wybrane premiery, narzędzia i analizy. Raz w tygodniu, prosto do skrzynki.
Zapisz się za darmo →- generatornia.plList do świętego mikołaja szablon AI: wzory i prompty do druku
- jutropis.plUstawa o AI podpisana. Skargi do KRiBSI i testy dla firm
- dygot.plLidl i Europa: plan na własną AI. Właściciel dyskontów buduje zaplecze z twórcą superkomputerów
- przewagi.plAgent AI w małej firmie w 2026: co zrobi sam, ile kosztuje (od 14 900 zł netto) i gdzie potrzebny jest człowiek
warsztat·Grok 4.7: pełna tabela benchmarków i cen z dnia premieryNowy, większy model bazowy w tej samej cenie co poprzednik. Rozbieram pełną tabelę wyników i liczę, ile to realnie kosztuje w złotych.