刚刚，马斯克旗下的xAI正式发布了全新主力模型Grok 4.7。其核心卖点主打“同样的价格和速度，提供超强性能”。马斯克第一时间宣称，Grok 4.7让xAI在智能体编程领域跃居第三，仅次于Anthropic和OpenAI。凭借速度快、价格低，Grok 4.7成为了个人进行生产力工作的首选。官方将其定位为“史上最强Grok”，专为编程和知识工作而生。在编程和知识基准测试中，Grok 4.7的成绩几乎超越了GPT-5.6 Sol Max，直逼Fable 5.1 Max。其定价为输入每百万Token 2美元，输出6美元，与4.6版本持平。但底层模型经历了彻底大换血，基座模型更大，强化学习训练时间更长，任务难度向“需要数小时才能完成的工作”倾斜。当Grok 4.7与4.6一起测试开放世界城市游戏时，差距肉眼可见。值得一提的是，下一代2.5T参数的新模型Grok 4.8也已训练完成，马斯克的拿手好戏才刚刚开始。
01 Grok 4.7登场，编程能力追进第一梯队
Grok 4.7的进步在编程测试中尤为明显。AA榜单的数据揭示了这一点。在综合智能指数上，Grok 4.7获得46分，相比4.6仅小幅上涨2分。而第一梯队的Fable 5.1和GPT-6 Astra均达到53分。按单模型排名，它位列第16；按实验室排名，刚好挤进第四。
真正让马斯克引以为傲的编程榜单包含两张：
第一，在GrokBuild框架加持下，Grok 4.7飙升至56分，仅次于Fable 5.1、GPT-6 Astra和Opus 5。马斯克所谓的“全球第三”，是将Anthropic的两个模型合并计算的结果。
第二，在统一基准Terminal-Bench4.0上，Grok 4.7的通过率骤降至26%至27%。相比之下，GPT-6 Astra为60%，Fable 5.1为55%。此外，在ValsAI评测中，Grok 4.7不升反降，从第14名跌至第24名，比上一代4.6还要落后5名。
马斯克为何拼命为Build框架站台？答案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。这意味着它极度依赖自家工具的调用逻辑和任务拆解套路，一旦脱离自家环境，战斗力会大打折扣。
02 知识能力表现出色
本次升级的另一重点在于更贴近用户的办公场景。在长流程知识工作测试AA-Briefcase中，Grok 4.7获得1657 Elo，比4.6档位提升了111分。在GDPval-AA测试中，它获得1695 Elo，比上一代高出90分。这些任务考验的是AI能否帮助专业人士完成工作并交付高质量成果，例如整理材料、制作文档、完成分析与演示文稿，Grok 4.7相比上一代有显著提升。此外，在电气工程测试EEBench上，Grok 4.7拿下64.0%，在四款模型中排名第一。
03 全网首测：惊喜与翻车并存
Grok 4.7上线后，不少开发者迫不及待地进行了实测。最出圈的一个演示来自开发者Tak，他没有给出具体要求，只说“10分钟内能做啥就做啥”。结果Grok自己跑去Blender里制作了一个黄铜浑天仪，行星还能转动，引得25万人围观。Tak评价道：“讲真，一点也不差。”
经典的“鹈鹕骑自行车”测试也再次上演。有人开启xhigh加fast模式，烧了18分钟，花费3.16美元，生成的白鹈鹕在海边骑车、翅膀搭在车把上的画面效果很好。但另一个人跑出来的棕色鸟则瘫在自行车上，效果不佳。
产品博主Paweł Huryn用两个真实代码库、埋了105个bug测试了三轮。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4.6也是28.7个。
还有人进行了硬碰硬的对照试验：将同一芯片项目同时甩给Grok Build和Cursor里的Grok 4.7，两小时测试下来，最直观的感受是“又快又省”。此外还发现一个彩蛋：Cursor居然悄悄将Grok 4.7的上下文扩展到了500K，而4.6只有256K。做编程Agent的Factory第一时间接入了自家的Droid，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。
04 定价便宜，但总账未必划算
这次Grok 4.7官宣的另一个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。看上去像是一场势均力敌的较量。
但只要仔细看图表底部的细节，这笔账就全变了。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；上一代GPT-5.6 Sol高档拿下35.7%，单题只需2.85美元。
玄机在于Grok惊人的“话痨体质”。其输出8.1万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社区更是直接表示：“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。
05 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？