就在刚刚，马斯克SpaceXAI正式发布，全新主力模型Grok 4.7！ 

核心卖点主打一个，同样的价格和速度，超强的性能。 

马斯克第一时间喊话，「Grok 4.7把SpaceXAI送上了智能体编程的第三把交椅，仅次于Anthropic和OpenAI」。 

速度又快，价格又低，Grok 4.7是个人搬砖干活的首选。 

SpaceXAI官博中，官方给出的定位：史上最强Grok，专为编程和知识工作而生。 

具体来说，Grok 4.7在编程和知识工作基准上，成绩几乎盖过了GPT-5.6 Sol Max，直追Fable 5.1 Max。 

输入每百万Token 2美元，输出6美元，和Grok 4.6一模一样。 

但底层模型彻底大换血，基座模型更大，强化学习训练拉长，任务难度加权向「需要数小时才能完成的工作」倾斜。 

让Grok 4.7和Grok 4.6去搓个开放世界城市游戏，差距真的是肉眼可见。 

值得一提的是，下一代2.5T新模型Grok 4.8也训完了。 

马斯克的拿手好戏，才刚刚开始。 

Grok 4.7登场，编程追进第一梯队

更能量化Grok 4.7这轮进步的，还是编程测试。 

拆开AA的榜单，数据很有意思。  

综合智能指数上，Grok 4.7拿下46分，相比4.6只寒碜地涨了2分。而第一梯队的Fable 5.1和GPT-6 Astra全是53分。 

按单模型算，它排在第16名；按实验室排，刚好挤到了第四。 

而真正让马斯克吹上天的编程榜，其实是两张。  

1. 套上GrokBuild框架，Grok 4.7飙到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」，是偷偷把Anthropic的两个模型并成了一家。  

2. 换到统一基准的Terminal-Bench4.0后，Grok 4.7的通过率当场暴跌到26%~27%。作为对比，GPT-6 Astra是60%，Fable 5.1是55%。 

不过，在评测机构ValsAI这里，Grok 4.7不升反降，直接从第14名一路跌到第24名，比上一代4.6还倒挂了5分。 

马斯克为什么要拼命给Build框架站台？答案就藏在官方公告的附注里—— 

Grok4.7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套路。一旦走出温室，战斗力瞬间打折。 

知识能力，也非常能打

这次升级的另一块重点，便是离所有人更近的一个场景——办公。 

在长流程知识工作测试AA-Briefcase中，Grok 4.7拿到1657 Elo，比Grok 4.6的High档增加111分。 

在GDPval-AA上，它拿到1695 Elo，比上一代高出90分。 

这些任务看重的，是AI到底能不能帮专业的人把活儿干完、交出像样的东西。 

比如，整理材料、制作文档、完成分析与演示文稿，Grok 4.7明显比上一代大幅提升。 

此外，在电气工程测试EEBench上，Grok 4.7拿下64.0%，在所列四款模型中最高。 

全网首测，有惊喜也有翻车

Grok 4.7一上线，不少人早就摩拳擦掌，上手尝鲜了。 

最出圈的一个demo，来自开发者Tak。 

他压根没给Grok 4.7具体要求，就留了一句「你10分钟内能做啥就做啥」。 

结果 Grok 自己跑去 Blender 里搓了个黄铜浑天仪，上面的行星甚至还能转，引全网25万人围观。 

Tak本人点评，「讲真，一点也不差」。 

然后是经典节目，鹈鹕骑自行车。 

有人直接拉满配置，开了xhigh加fast模式开跑，烧了整整18分钟，3.16美元。 

结果出片还真像那么回事，白鹈鹕在海边骑车，翅膀搭在车把上。 

另一个人跑出来的就拉胯多了，生成的棕色鸟直接瘫在自行车上。 

产品博主Paweł Huryn拿了两个真实代码库、埋了105个bug测了三轮。 

结果是，GPT-6 Astra能修好45个；Grok 4.7搞定了28.7个。戏剧性的是，上一代Grok 4.6也是28.7个。 

还有人直接上了硬碰硬的对照试验：把同一个芯片项目，同时甩给Grok Build和Cursor里的Grok 4.7。 

整整两小时，测下来最直观的感觉就是四个字：又快又省。 

顺带还扒出个新彩蛋，Cursor 居然悄悄把Grok 4.7的上下文顶到了500K，要知道上一代4.6可只有256K。 

做编程Agent的Factory也第一时间接进了自家的Droid，给的评价比较克制。 

工程、调试、数据、基础设施的活都能干，找命令比4.6快，medium档够用，high档在老代码上有加成。 

定价便宜五倍，一算总账却遭背刺

这次，Grok 4.7官宣的另一大亮点，是价格是同类一半。 

不得不说，她的单价确实诱人：输入2美元、输出6美元。 

对比Astra和Fable动辄10刀输入、50刀输出的刺客价格，Grok单价便宜了5到8倍。 

官方晒出的Cursor Bench 4.0性价比曲线上，Grok 4.7最高档拿下46.3%，解一道题成本6.01美元；Fable 5.1中档46.8%，一道题7.05美元。看上去像是一场平分秋色的精准狙击。 

 但只要拿放大镜扫一眼图表底部的细节，这笔账就全变味了。 

Fable 5.1低档跑出45.1%，单题成本只要5.44美元，比Grok的最高档还要便宜；而上一代的GPT-5.6 Sol高档拿下35.7%，单题只需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，花掉的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，它确实快得凶残。 

AA实测每秒狂飙188个token，fast模式更是原地翻倍。 

模型加框架，才是下一个战场

如今再看Grok 4.7的战术意图，已经彻底明牌。  

它不打算碰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——单体模型的时代，正在过去。 

Grok 4.7的高分，有一大半是靠着Grok Build的量身定制硬顶上去的；一旦脱离自家的脚手架，分数立马露馅。 

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路子。 

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