Grok 4.7 ist jetzt in Felo Search: Langfristige Antworten, $2/$6
Grok 4.7 ist live in Felo Search: 500.000 Kontext, $2/$6 pro Million Tokens und langfristiges Reasoning für Recherchen, die Stunden dauern.
SpaceXAI veröffentlichte Grok 4.7 am 21. September. Das Modell richtet sich an eine bestimmte Art von Frage: die, für deren Beantwortung eine Stunde Recherche nötig ist, nicht nur ein kurzer Blick. Es läuft jetzt in Felo Search, zusammen mit drei weiteren Modellen, die in derselben Woche erschienen.
Die wichtigste Zahl steht auf der Ausgabeseite. Grok 4.7 kostet $2 pro Million Eingabetokens und $6 pro Million Ausgabetokens. Damit bleibt der Preis auf dem Niveau von Grok 4.6, während der Anbieter die doppelte Geschwindigkeit im Vergleich zu ähnlichen Modellen angibt. Eine Antwort in Felo entsteht nicht durch einen einzelnen Modellaufruf. Das System liest Quellen, prüft sie gegeneinander, schreibt eine Synthese und geht zurück, wenn Widersprüche auftreten. Der Ausgabepreis zeigt, was eine lange Recherche tatsächlich kostet.
Was Grok 4.7 eigentlich ist
SpaceXAI (das Unternehmen, das früher als xAI bekannt war) positioniert Grok 4.7 als sein „leistungsstärkstes Modell für Coding und Wissensarbeit“. Der interessante Teil dieser Beschreibung liegt im zweiten Abschnitt. Die vorherigen drei Grok-Versionen konzentrierten sich auf Coding; dieses Modell wurde mit einer längeren Reinforcement-Learning-Phase trainiert, die Aufgaben mit mehreren Stunden Bearbeitungszeit in den Vordergrund stellte.
Dieses Training zeigt sich an zwei Stellen, die man direkt bei der Suche spürt: Selbstüberprüfung und Langzeit-Kontextmanagement. Das Modell prüft seine eigenen Zwischenergebnisse, statt sich auf den ersten plausiblen Weg festzulegen, und behält im Blick, was es vor zwanzig Schritten schon festgestellt hat.
| Spec | Grok 4.7 |
|---|---|
| Model ID | grok-4.7 |
| Maker | SpaceXAI |
| Released | 21. September 2026 |
| Context window | 500.000 Tokens |
| Input | Text, Bild |
| Output | Text |
| Reasoning effort | niedrig / mittel / hoch (Standard) / sehr hoch |
| Price | $2 pro Million Eingabe, $6 pro Million Ausgabe |
| Cached input | $0.50 pro Million Tokens |
| Knowledge cutoff | Juni 2026, mit zusätzlichem Training bis August 2026 |
Das 500.000-Token-Fenster ist das kleinste der vier Modelle, die diese Woche erschienen. Für Suchaufgaben reicht das mehr als aus: hundert lange Dokumente, ein ganzes Quartal an Geschäftsberichten oder ein kompletter Recherche-Thread mit allen Quellen im Kontext. Größere Fenster werden wichtig, wenn das Modell ein Repository oder ein Jahr Dokumentation ohne Zwischenschritt behalten soll. Das gilt für die 1M-Token-Modelle in der Tabelle unten.
Warum das für KI-Suche wichtig ist
Eine Suchantwort kann auf zwei Arten scheitern. Die erste: Die Quelle fehlt. Die zweite: Die Quelle wird gefunden, aber falsch gelesen, und diese Fehlinterpretation wird selbstbewusst präsentiert. Die zweite Variante wiegt schwerer, weil sie wie eine korrekte Antwort aussieht.
Langfristiges Training adressiert das zweite Problem. Wenn ein Modell für korrekt abgeschlossene Aufgaben mit mehreren Stunden Laufzeit belohnt wird, funktionieren einfache Strategien nicht mehr. Mustererkennung beim ersten plausiblen Dokument, das Ignorieren widersprüchlicher Quellen, das Vergessen früher festgelegter Bedingungen – all das hält bei einer stundenlangen Aufgabe nicht stand. Was bleibt, ist die Gewohnheit, zurückzugehen und zu prüfen.
Die veröffentlichten Werte von Grok 4.7 zeigen in dieselbe Richtung. Bei GDPval, das die Qualität professioneller Arbeitsergebnisse misst, meldet der Anbieter einen Elo von 1.695, nach 1.605 bei Grok 4.6. Bei AA Briefcase v1.1, einem Benchmark für Wissensarbeit, stieg der Wert von 1.546 auf 1.657. HealthBench Professional verbesserte sich von 48,5% auf 56,7%, und der Harvey Legal Agent Benchmark von 15,8% auf 19,6%.
Diese Zahlen stammen vom Anbieter, gemessen unter verschiedenen Einstellungen und Testumgebungen. Sie gelten daher als Behauptung, nicht als Ergebnis. Der Vergleich innerhalb der Modellfamilie zählt: 4.7 schlägt 4.6 bei Aufgaben, die Recherche ähneln.
So nutzt man Grok 4.7 in Felo Search
1. Modell auswählen. Starte eine Suche in Felo und wähle Grok 4.7. Am Arbeitsablauf ändert sich nichts: gleiche Box, gleiche Quellen, gleicher Workspace.
2. Stelle die Frage, die du sonst aufteilen würdest. Langfristige Modelle lohnen sich bei mehrdeutigen, komplexen Anfragen. Statt „Was ist der Zeitplan des EU AI Act?“ frage: „Welche Verpflichtungen des EU AI Act gelten zuerst für ein Unternehmen, das ein General-Purpose-Modell in der EU verkauft, und für welche davon gibt es bereits Umsetzungshinweise?“ Ein Prompt, mehrere Teilfragen.
3. Lass das Modell sich selbst widersprechen. Frage nach: „Wo widersprechen sich deine Quellen, und welche ist maßgeblicher?“ Ein Modell mit Selbstüberprüfung meistert diese Herausforderung besser als eines, das auf eine einzige, selbstsichere Antwort trainiert wurde.
4. Passe das Reasoning-Level an, wenn sich die Frage verändert. Grok 4.7 bietet vier Einstellungen für den Reasoning-Aufwand. Mittel deckt normale Recherche ab; erhöhe es bei langen Abhängigkeitsketten und senke es, wenn du etwas zusammenfasst, dem du bereits vertraust.
5. Entwickle die Antwort weiter. Im gleichen Kontextfenster bleiben Recherche und Ergebnis erhalten. Fordere das Memo, die Gliederung für die Präsentation oder die E-Mail an. Das Quellenmaterial bleibt im Blickfeld.
Die anderen drei Modelle in Felo Search
Grok 4.7 kam nicht allein. Vier Spitzenmodelle erschienen innerhalb von etwa 36 Stunden und laufen jetzt alle in Felo Search.
| Model | Released by | Price per million tokens | Context | Built for |
|---|---|---|---|---|
| Grok 4.7 | SpaceXAI | $2 in / $6 out | 500K | Langfristiges Reasoning und Wissensarbeit |
| Claude Opus 5.5 | Anthropic | $4 in / $20 out | 1M | Antworten, die Überprüfung bestehen |
| GPT-6 Luna | OpenAI | $0.10 in / $0.50 out | 1.05M | Hochvolumige Suche mit niedrigsten Kosten pro Aufruf |
| GPT-6 Sol | OpenAI | $2 in / $10 out | 1.05M | Agenten-Loops und wiederholte Aufrufe zum mittleren Preis |
Die Preisspanne reicht vom Zwanzigfachen bei den Eingabekosten bis zum Fünfzigfachen bei einer vollständigen Recherche. Die Wahl pro Frage beeinflusst jetzt am stärksten sowohl die Antwortqualität als auch das mögliche Recherchevolumen.
Was man zuerst ausprobieren sollte
Eine Frage mit umstrittener Antwort. Stelle eine Frage, bei der seriöse Quellen widersprechen: die Wirksamkeit eines Supplements, die tatsächlichen Kosten einer Migration, eine Marktschätzung. Bitte Grok 4.7 dann, zu trennen, worüber die Quellen einig sind und was nur eine behauptet. Genau solche Aufgaben adressiert das langfristige Training.
Ein Dokument, mit dem du argumentieren musst. Füge einen Vertrag, eine Richtlinie oder eine Spezifikation ein und frage, was nicht abgedeckt ist. Fragen nach fehlenden Belegen sind die Schwachstelle von Modellen, die beim ersten plausiblen Lesen stoppen.
Ein Abgleich zwischen Quellen. Gib zwei Berichte konkurrierender Unternehmen ein und fordere den Vergleich, den ein Analyst ziehen würde – mit der Zahl, die jeder stillschweigend auslässt.
Eine Prognose mit Vorgaben. Langfristige Modelle bewältigen „Hier sind acht Vorgaben, finde einen Plan, der alle erfüllt“ besser als offenes Brainstorming.
Probiere Grok 4.7 in Felo Search aus
Grok 4.7 läuft ab sofort in Felo Search, mit einem Kontextfenster von 500.000 Tokens, vier Reasoning-Einstellungen und $2/$6-Preisen. Die Kosten entsprechen dem Vorgängermodell, das Upgrade bleibt also auf Token-Basis kostenlos.
Öffne Grok 4.7 in Felo Search →
Dieser Beitrag ist auch in folgenden Sprachen verfügbar: English, 简体中文, 日本語, 한국어, 繁體中文, हिन्दी, Français, العربية, Русский, اردو, Bahasa Indonesia, Tiếng Việt, Türkçe, Italiano, ไทย, Español, বাংলা and Português.