xAI发布Grok 4.7 综合智能排名列第二梯队 原创

产联社编辑 | 开蓉蓉

图片由AI生成

【产联社】xAI新一代旗舰模型Grok 4.7正式上线，但综合智能排名并未入第一梯队。美国当地时间9月21日，xAI发布新一代旗舰模型Grok 4.7，此前至少5次推迟发布。据Artificial Analysis综合智能指数，Grok 4.7得46分，列第二梯队第一。多家媒体与分析师认为，该模型较前代有进步，但未进入Anthropic Fable 5.1和OpenAI GPT-6 Astra占据的第一梯队。

xAI称，Grok 4.7参数量为2.1万亿，较上一代Grok 4.6的1.5万亿增长约40%，API定价维持上一代水平，输出速度与长时程推理能力提升。即日起，该模型在Cursor、Grok应用、Grok Build上线，并通过Grok API及主流云平台开放。

图：马斯克发帖截图

在软件工程基准CursorBench 4.0中，Grok 4.7得分46.3%，低于Fable 5.1 Max的51.8%，高于GPT-5.6 Sol Max的41.7%。在DeepSWE v1.1高努力模式中得分71.0%，在AA Briefcase v1.1多小时办公测试中得分1,657分，优于前代及部分同级竞品。

但在Terminal-Bench 4.0中，Grok 4.7得分38.0%，略高于GPT-5.6 Sol Max的37.3%，远低于Fable 5.1的57.9%，亦低于GLM、Qwen、DeepSeek最新模型。垂直领域，EEBench得分64.0%，Harvey Legal Agent得分19.6%，领先前代及主要竞品；HealthBench Professional得分56.7%，较前代48.5%提升，但落后于GPT-5.6 Sol Max的60.5%与Fable 5.1 Max的62.1%。

GDPval评估中，Grok 4.7取得1,695 Elo，超过前代1,605与GPT-6 Astra Max的1,542，仅次于Fable 5.1的1,735。Artificial Analysis综合智能指数显示，Grok 4.7得46分，列第二梯队第一。

训练层面，Grok 4.7策略与前沿模型标准操作接近。其强化学习向高难复杂任务倾斜，采用更长RL训练阶段，大幅加权需数小时完成的复杂长任务。模型原生集成Grok Bot Harness，首次将模型与底层Grok Bot工具运行环境进行原生深度融合训练。

同时，模型加强自我验证与长上下文管理，可在错误积累前发现并纠正偏误。训练集引入SpaceX独家工程数据，包括星链卫星遥测数据、制造记录与工程故障日志。xAI称，该模型是至今能力最强的编码与知识工作模型。The New Stack分析指出，上述方法多为前沿模型常见做法，Grok 4.7未出现明显代际突破。

价格方面，Grok 4.7的API基础定价为输入每百万Token 2美元、输出每百万Token 6美元。GPT-5.6 Sol Max输入每百万4美元、输出每百万20美元；Fable 5.1 Max输入每百万10美元、输出每百万50美元。

按此计算，Grok 4.7的Token成本仅为GPT-5.6 Sol Max的三分之一到二分之一，为Fable 5.1 Max的五分之一到八分之一。但相对于实际能力与Grok 4.7相当的国产模型，其价格整体优势不大。除相对Kimi K3有较明显价格优势外，相对其他模型依然较贵。

The New Stack分析指出，Grok 4.7存在过度思考问题。长推理阶段输出更多Token，平均每项任务约8.1万个Token，高于Grok 4.6的3.6万个。虽然单价较低，但实际复杂任务中的单次总开销可能因Token输出膨胀而上升。

发布节奏方面，马斯克此前预热目标较高。7月底，他公布2.1万亿参数，称规模较上一代大40%，除响应速度稍慢外其他方面更好。8月中旬，他在社交平台称4.7将超过市面上所有模型。但发布时间多次推迟。9月初，原承诺上线时间变成“十天后”；9月11日又推迟为“还得再煮几天”。

9月14日，官方开始降调，马斯克将对标对象从“超越所有”改为“大致相当于Opus 5.0，而不是5.1”。9月21日正式发布时，他不再提全面领先，坦承公司在智能体编程方面排在Anthropic和OpenAI后面。xAI将宣传重点转向成本与速度，强调该模型适合日常任务。

信息来源说明：xAI、马斯克X帖文、Artificial Analysis基准数据及The New Stack等公开报道整理

免责声明：本文仅供参考，不构成任何投资建议。

商务合作，请联系侯经理 18801065284（微信同号）

报料及内容合作，请联系chanlianshe2026（微信号）