就在不久前，马斯克的SpaceXAI正式发布了全新的主力模型Grok 4.7。

它的核心卖点在于，在保持相同价格和速度的前提下，提供了更强劲的性能。

马斯克第一时间宣称，“Grok 4.7将SpaceXAI在智能体编程领域送上了第三名的位置，仅次于Anthropic和OpenAI”。

速度快、价格低，Grok 4.7被视为个人处理工作的首选工具。

SpaceXAI的官方博客中，官方将其定位为“史上最强Grok，专为编程和知识工作而设计”。

具体而言，Grok 4.7在编程和知识工作的基准测试中，成绩几乎全面超越了GPT-5.6 Sol Max，紧追Fable 5.1 Max。

输入每百万Token定价2美元，输出6美元，与Grok 4.6保持一致。

但底层模型经历了彻底更新，基座模型更大，强化学习训练时间延长，任务难度权重向“需要数小时才能完成的工作”倾斜。

让Grok 4.7和Grok 4.6分别制作一个开放世界城市游戏，两者之间的差距显而易见。

值得一提的是，下一代2.5T新模型Grok 4.8也已训练完毕。

马斯克的拿手好戏，才刚刚拉开序幕。

Grok 4.7登场，编程能力跻身第一梯队

能够更量化地体现Grok 4.7本轮进步的，还是编程测试。

拆解AA的榜单，数据颇具看点。

在综合智能指数上，Grok 4.7获得了46分，相比4.6仅微增2分。而第一梯队的Fable 5.1和GPT-6 Astra均为53分。

按单一模型计算，它排名第16；按实验室计算，则刚好挤入第四。

而真正让马斯克引以为傲的编程榜单，其实有两张。

1. 套上GrokBuild框架后，Grok 4.7得分飙升至56分，排在Fable 5.1、GPT-6 Astra和Opus 5之后。马斯克口中的“全球第三”，是将Anthropic的两个模型合并为一家来计算。

2. 切换到统一基准的Terminal-Bench4.0后，Grok 4.7的通过率骤降至26%~27%。作为对比，GPT-6 Astra为60%，Fable 5.1为55%。

不过，在评测机构ValsAI的榜单上，Grok 4.7的表现不升反降，从第14名一路跌至第24名，比上一代4.6还倒退了5分。

马斯克为何要极力为Build框架站台？答案隐藏在官方公告的附注中——

“Grok 4.7在预训练阶段，深度对齐了GrokBot框架的交互模式。”

换句话说，它极度依赖自家工具的调用逻辑和任务拆解方式。一旦脱离这一环境，其战斗力便会大打折扣。

知识能力，同样表现不俗

此次升级的另一重点，是更贴近大众的场景——办公。

在长流程知识工作测试AA-Briefcase中，Grok 4.7获得了1657 Elo，比Grok 4.6的High档提升了111分。

在GDPval-AA上，它获得了1695 Elo，比上一代高出90分。

这些任务看重的是，AI能否真正帮助专业人士完成工作并产出合格成果。

例如，整理资料、制作文档、进行分析和演示文稿，Grok 4.7的表现明显优于上一代。

此外，在电气工程测试EEBench上，Grok 4.7取得了64.0%的成绩，在所列的四款模型中最高。

全网首测，有惊喜也有失误

Grok 4.7一经上线，许多人便迫不及待地开始尝试。

最引人注目的一个演示来自开发者Tak。

他没有给Grok 4.7任何具体要求，只留下一句话：“你10分钟内能做什么就做什么。”

结果，Grok自行在Blender中制作了一个黄铜浑天仪，上面的行星甚至还能转动，吸引了全网25万人观看。

Tak本人评价道，“说实话，一点也不差”。

然后是经典项目——鹈鹕骑自行车。

有人直接开启最高配置，使用xhigh加fast模式运行，耗时整整18分钟，花费3.16美元。

结果生成的画面效果不错，一只白鹈鹕在海边骑车，翅膀搭在车把上。

另一个人生成的效果则差强人意，生成的棕色鸟直接瘫在自行车上。

产品博主Paweł Huryn使用两个真实代码库，埋入了105个bug进行了三轮测试。

结果是，GPT-6 Astra能修复45个；Grok 4.7修复了28.7个。具有戏剧性的是，上一代Grok 4.6也是28.7个。

还有人直接进行了硬碰硬的对照实验：将同一个芯片项目，同时交给Grok Build和Cursor中的Grok 4.7。

整整两小时测试下来，最直观的感受就是四个字：又快又省。

此外，还发现了一个新细节：Cursor竟然悄悄将Grok 4.7的上下文长度提升到了500K，而上一代4.6只有256K。

做编程Agent的Factory也第一时间接入了自家的Droid，给出的评价较为克制。

它能处理工程、调试、数据、基础设施等任务，查找命令比4.6更快，medium档足够使用，high档在处理旧代码时效果更佳。

定价便宜五倍，算总账却遭遇背刺

此次，Grok 4.7官方宣传的另一大亮点是，价格仅为同类产品的一半。

不得不说，其单价确实诱人：输入2美元、输出6美元。

对比Astra和Fable动辄10美元输入、50美元输出的高价，Grok的单价便宜了5到8倍。

官方展示的Cursor Bench 4.0性价比曲线上，Grok 4.7的最高档获得了46.3%的成绩，解决一道题成本6.01美元；Fable 5.1的中档成绩为46.8%，一道题成本7.05美元。这看起来像是一场势均力敌的精准狙击。

但只要用放大镜查看图表底部的细节，这笔账就完全变了味。

Fable 5.1的低档跑出了45.1%的成绩，单题成本仅为5.44美元，比Grok的最高档还要便宜；而上一代GPT-5.6 Sol的高档成绩为35.7%，单题成本仅为2.85美元。

玄机依然在于那惊人的“话痨体质”。

8.1万输出token，几乎是GPT-6 Astra的三倍。单价便宜5倍，但废话多了3倍，实际账单优势被生生腰斩。

Hacker News上有开发者算清总账后吐槽：Grok 4.7的缓存读取单价甚至反超了Sol。

Cursor社区更是直接破防：“这根本不是什么划时代的性价比怪物，消耗的token几乎是4.6的两倍，4.5时代那种极致廉价感彻底没了。”

不过在纯速度上，它确实快得惊人。

AA实测每秒狂飙188个token，fast模式下更是直接翻倍。

模型加框架，才是下一个战场

如今再看Grok 4.7的战术意图，已经彻底明朗。

它不打算触碰AGI的绝对王座，而是退守前沿第二梯队，卡住最便宜、最快的高地，专打性价比。

但这场发布暴露出的真正行业趋势是——单体模型的时代，正在过去。

Grok 4.7的高分，有一大半是依靠Grok Build的量身定制硬撑上去的；一旦脱离自家框架，分数立刻露馅。

Anthropic用Claude Code锁死长程任务，OpenAI用Codex把持生态，xAI也终于走上了用私有框架捆绑开发者的道路。

未来的第三方评测榜单将彻底失去纯粹性，以后再看到所谓的跑分排名，第一句话必须先问：

你到底是用什么框架测的？

参考资料

https://x.com/SpaceXAI/status/2102069815225586149 https://x.ai/news/grok-4-7 本文来自微信公众号“新智元”，作者：ASI启示录；编辑：摩西 桃子，36氪经授权发布。