Grok 4.7 vs. Gemini 3.8 Flash: comparación de lanzamientos

Name: Inteligencia
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Comparación de los lanzamientos Grok 4.7 y Gemini 3.8 Flash: 3 y 3 modelos respectivamente, cada uno con distintas características de inteligencia, rendimiento y precio. A continuación se comparan las métricas clave de los 6 modelos.

En inteligencia, Grok 4.7 obtiene la puntuación más alta: Grok 4.7 (High), con 35, frente a Gemini 3.8 Flash (High), con 31 de Gemini 3.8 Flash.
En velocidad de salida, Gemini 3.8 Flash es el más rápido: Gemini 3.8 Flash (High), con 120 tokens/s, frente a Grok 4.7 (Xhigh), con 87 tokens/s de Grok 4.7.
En costo por tarea, Grok 4.7 es el más económico: Grok 4.7 (Low), con $2.92, frente a Gemini 3.8 Flash (Medium), con $6.26 de Gemini 3.8 Flash.

Playground de modelos

Lanzamientos comparados


	Grok 4.7 (high)	Grok 4.7 (xhigh)	Grok 4.7 (low)	Gemini 3.8 Flash (high)	Gemini 3.8 Flash (medium)	Gemini 3.8 Flash (low)
Intelligence Index	35	34	31	31	30	22
Finanzas y contabilidad	51	52	45	42	42	34
Estrategia y operaciones	53	55	49	47	47	35
Jurídico	47	47	44	42	42	33
Salud y medicina	46	47	43	38	38	31
Ingeniería	41	41	37	38	37	31
Economía	47	48	43	41	40	34
AA-Briefcase v1.1	1629	1638	1495	1203	1183	1062
AutomationBench-AA	63.5%	65.6%	56.7%	59.9%	60.9%	36.5%
Terminal-Bench 4.0	24.7%	25.8%	16.2%	19.7%	19.7%	10.1%
FrontierCode 2.0	27.8%	28.7%	21.8%	18.7%	16.5%	8.1%
AA-Omniscience v1.1	30	31	27	23	24	13
GDP.pdf	23.2%	20.0%	21.4%	21.0%	22.8%	18.6%
HLE-Diamond	23.6%	23.2%	18.5%	33.1%	29.1%	24.3%
CritPt v2 (Hard Subset)	35.0%	32.0%	41.0%	43.5%	44.0%	31.5%
Terminal-Bench-Science 0.1	9.5%	4.8%	4.8%	10.0%	10.5%	8.1%

Costo por tareaUSD	$6.18	$7.51	$2.92	$7.77	$6.26	--
Precio de entradaUSD/1M tokens	$2.00	$2.00	$2.00	$0.75	$0.75	$0.75
Precio de salidaUSD/1M tokens	$6.00	$6.00	$6.00	$3.75	$3.75	$3.75
Precio de lectura de cachéUSD/1M tokens	$0.50	$0.50	$0.50	$0.075	$0.075	$0.075
Precio de escritura de cachéUSD/1M tokens	--	--	--	$0.75	$0.75	$0.75

Velocidad de salidaTokens/s	78	87	72	120	--	--
Tiempo hasta el primer tokens	32,59	42,06	5,74	24,69	--	--
Tiempo hasta el primer token de respuestas	32,59	42,06	5,74	24,69	--	--
Tiempo de respuesta de extremo a extremos	38,96	47,81	12,68	28,85	--	--
Tiempo por tareas	1113,11	1089,75	588,12	785,79	--	--

Ventana de contexto	500k	500k	500k	1M	1M	1M
Creador	SpaceXAI	SpaceXAI	SpaceXAI	Google	Google	Google
Licencia	Propietario	Propietario	Propietario	Propietario	Propietario	Propietario
Modalidad de entrada	Admite: texto e imágenes	Admite: texto e imágenes	Admite: texto e imágenes	Admite: texto, imágenes, voz y video	Admite: texto, imágenes, voz y video	Admite: texto, imágenes, voz y video
Modalidad de salida	Admite: texto	Admite: texto	Admite: texto	Admite: texto	Admite: texto	Admite: texto
Proveedores

Updated

Inteligencia

Artificial Analysis Intelligence Index · Higher is better

Velocidad

Output tokens per second · Higher is better

Costo por tarea

Weighted average cost (USD) per Intelligence Index task · Lower is better

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

No publicly available API

Artificial Analysis Intelligence Index v5.0 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Intelligence Index vs. costo por tarea

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Grok 4.7

Gemini 3.8 Flash

Pareto line

AA-Briefcase v1.1

AutomationBench-AA

Costo por tarea (USD, escala logarítmica)

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Costo

Costo por tarea del Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

No publicly available API

Velocidad y latencia

Velocidad de salida

Output tokens per second · Higher is better

No publicly available API

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Puntuaciones de capacidades

Índices de capacidades

Mide el rendimiento de los modelos en capacidades e industrias específicas

Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, GDP.pdf · Higher is better

Benchmarks

AA-PersonalityBenchNew

Modelo Avs.Modelo B

AA-PersonalityBench: índice Expressiveness, Grok 4.7 (xhigh) vs. Gemini 3.8 Flash (high)

Probabilidad de que la respuesta de cada modelo sea juzgada como la que muestra más cada rasgo, según su diferencia de Elo · 50 % es un empate

Grok 4.7 (xhigh)

Gemini 3.8 Flash (high)

Metaphorical

4 %

96 %

Natural Sounding

92 %

8 %

Literate

67 %

33 %

Lexically Varied

55 %

45 %

Eloquent

46 %

54 %

Grok 4.7 vs. Gemini 3.8 Flash: comparación de lanzamientos

Inteligencia

Velocidad

Costo por tarea

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Intelligence Index vs. costo por tarea

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Costo

Costo por tarea del Intelligence Index

Cost per Intelligence Index Task

Velocidad y latencia

Velocidad de salida

Output Speed

Model Performance Representation

Puntuaciones de capacidades

Índices de capacidades

Benchmarks

AA-PersonalityBenchNew

AA-PersonalityBench: índice Expressiveness, Grok 4.7 (xhigh) vs. Gemini 3.8 Flash (high)