GPT-OSS 120B или Grok 4.7 — что лучше в КьюВи?

GPT-OSS 120B и Grok 4.7 находятся в разных весовых категориях рейтинга КьюВи. GPT-OSS 120B получила 3.7 из 10 и занимает 35 место. Grok 4.7 набрала 8.3 и находится на 12 месте. По текущему баллу впереди Grok 4.7, а лидер рейтинга КьюВи — Claude Opus 5.5 с результатом 9.9.

Разница здесь не косметическая. Grok 4.7 заметно ближе к верхней части таблицы, тогда как GPT-OSS 120B полезна прежде всего там, где от ответа требуется аккуратная цепочка рассуждений. Обе модели доступны в КьюВи из Казахстана: оплата идёт в тенге, интерфейс есть на русском и казахском, а новым пользователям дают три бесплатных вопроса.

Качество ответов: Grok 4.7 впереди по общей оценке

Рейтинг КьюВи ставит Grok 4.7 выше GPT-OSS 120B по итоговому качеству. У Grok 4.7 текущий балл — 8.3, у GPT-OSS 120B — 3.7. Поэтому для задачи без чёткой специализации я бы сначала выбрал Grok 4.7: вероятность получить сильный ответ на первом запросе здесь выше по нашим данным.

У GPT-OSS 120B есть важная оговорка. Её оценка рассуждений составляет 9.9 из 10, а кодинга — 5.0. Это сочетание выглядит необычно: модель способна хорошо разбирать логику, ограничения и последовательность действий, но программные задачи оцениваются заметно скромнее.

Мы прогнали модели через практический вопрос: «Составь план миграции интернет-магазина с PostgreSQL на другой кластер без простоя, перечисли риски и порядок отката». GPT-OSS 120B хорошо разложила зависимости и добавила проверку целостности данных. Grok 4.7 дала более цельный план с операционными шагами, но потребовала уточнить ограничения по допустимому простою. Это хороший пример разницы: GPT-OSS 120B сильна в логической декомпозиции, Grok 4.7 чаще формирует более готовый к применению ответ.

Скорость и цена в тенге

Поэтому обещать, что одна из них быстрее, было бы выдумкой. На коротком запросе разницу часто определяет длина ответа, а не название модели.

Средний вопрос для каждой модели стоит примерно 10 ₸ у GPT-OSS 120B и 10 ₸ у Grok 4.7. При одинаковой ориентировочной цене выбор по экономии не решается. Если нужно за вечер обработать десятки коротких запросов по документам, обе модели остаются недорогими для пользователя из Казахстана. Но при большом рабочем потоке итоговые расходы всё равно зависят от длины контекста и ответа.

Контекст и типы задач

Контекст GPT-OSS 120B — 131K токенов. У Grok 4.7 — 500K токенов. Разница пригодится, когда в запрос нужно положить длинный договор, несколько технических файлов или историю переписки. Для вопроса на одну страницу она почти не влияет.

GPT-OSS 120B разумно брать, когда требуется разобрать спорную логику: найти противоречие в требованиях, проверить математическое рассуждение или составить пошаговую схему принятия решения. Она может быть полезна и при подготовке к экзамену, если просить не просто ответ, а проверку каждого перехода.

Grok 4.7 выглядит предпочтительнее для крупного материала. Например, ей можно передать длинное ТЗ казахстанского сервиса и попросить выделить недостающие роли, зависимости между разделами и список вопросов заказчику. Ещё один сценарий — сравнить несколько версий договора или собрать краткую записку по длинному отчёту. Для медицинских, юридических и финансовых решений ответы обеих моделей нужно проверять у специалиста.

В КьюВи обе модели можно задать в одном рабочем процессе: они отвечают вместе, и вы видите, где выводы совпадают, а где расходятся. Это полезнее, чем выбирать модель вслепую по названию. GPT-OSS 120B может подсветить логическую ошибку в плане Grok 4.7, а Grok — предложить более практичную структуру результата.

Честный вердикт

По текущему баллу победитель — Grok 4.7: у него Grok 4.7-показатель рейтинга выше в текущем срезе, чем у соперника. Для универсальных вопросов, длинных материалов и задачи «сделай результат, который можно сразу редактировать» я выбираю Grok 4.7.

GPT-OSS 120B стоит выбрать в другом случае: вам важнее последовательное рассуждение, чем общий рейтинг, и вы готовы самостоятельно проверить код или фактические детали. Её 9.9 за рассуждение — сильный аргумент, хотя общий результат 3.7 ограничивает рекомендацию. При одинаковой цене примерно 10 ₸ против 10 ₸ решающим фактором остаются тип задачи и объём контекста.