新智元报道
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，更强的性能」，同时速度也很快。
马斯克第一时间喊话：「Grok 4.7 把 SpaceXAI 送上了智能体（Agent）编程的第三把交椅，仅次于 Anthropic 和 OpenAI」。
速度快、价格低，Grok 4.7 是个人干活搬砖的首选。
SpaceXAI 官博中，官方给出的定位是：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，与 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 各自去搓一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：
- 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。
- 换到统一基准 Terminal-Bench 4.0 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——
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，是价格只有同类的一半。
不得不说，它的单价确实诱人：输入 2 美元、输出 6 美元。
对比 Astra 和 Fable 动辄 10 美元输入、50 美元输出的刺客价格，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
编辑：摩西 桃子