简讯
- xAI于周一发布Grok 4.7，自7月下旬以来至少经历了五次延期。
- 在GDPval和AA-Briefcase基准测试中，该模型仅次于Claude Fable 5.1；在EEBench（电气工程基准）上，仅次于GPT-6 Astra。
- Grok 4.7已即时上线，可通过Grok应用、Cursor、Grok Build及xAI API使用，拥有2.1万亿参数，并基于SpaceX工程数据进行了补充训练。
埃隆·马斯克（Elon Musk）旗下的xAI于周一下午发布了Grok 4.7，称其为迄今为止最好的模型，并形容其相比Grok 4.6在同等价格和速度下“有了显著改进”。
此次发布历经数次看似延期的波折。自7月下旬以来，马斯克至少五次更改时间表：“四周后”，然后是“几周后”，接着是“3到4周”，9月1日改为“10天”，9月11日又表示“需要再煮几天”。
xAI表示，与Grok 4.6相比，该模型在处理难题时会花费更多时间，更频繁地自我检查答案，并配备了该公司所谓迄今为止最强的安全护栏。
马斯克随后在X平台发文，称Grok 4.7是“智能、速度与低成本”的强力结合。这次没有等候名单——它现已在Grok应用、Cursor、Grok Build以及xAI API中实时可用。
Grok 4.7来了。
它在同等价格和速度下相比Grok 4.6有了显著改进。
—— SpaceXAI (@SpaceXAI) 2026年9月21日
Grok 4.7拥有2.1万亿参数，比Grok 4.6的1.5万亿参数增加了40%，而4.6本身又是Grok 4.5的改进版。其价格为每百万输入token 2美元，每百万输出token 6美元。参数是模型在训练期间调节的内部“旋钮”，更多参数通常意味着更强的学习模式能力；而token是AI模型能识别或生成的基础信息量。
xAI还融入了从马斯克火箭公司SpaceX获取的补充训练数据：Starlink卫星遥测数据、制造记录以及工程故障日志。其卖点在于，模型在推理硬件和物理系统方面比纯粹基于互联网文本训练的模型表现更好。
话虽如此，基准测试分数讲述了一个熟悉的故事。GDPval衡量模型在完成具有实际经济价值的知识工作（如法律备忘录、电子表格、演示文稿）时的表现，任务经过各领域在职专业人士审核，并以Elo等级分评分——即国际象棋使用的同场排名系统。
Grok 4.7在GDPval上得分1695，Claude Fable 5.1以1735分领先榜首。
由Artificial Analysis构建的AA-Briefcase测试多小时的办公工作流程，将研究、分析和文档制作串联成一项长任务，同样采用Elo评分。Grok 4.7得分为1657，而Fable 5.1为1678。相同的排名结果，不同的测试维度。
CursorBench 4.0是Cursor针对其编辑器内真实编码任务构建的基准测试，它以准确度为纵轴，以每项任务消耗的成本和token数量为横轴绘制图表。Grok 4.7位居中游：每项任务的成本高于GPT-5.6 Sol的继任者GPT-6 Astra和Claude Sonnet 5，但仍不及在所有价格点上均获胜的Fable 5.1。
这并非xAI的新模式。Grok 4.5于7月发布，拥有业界最大的训练集群，但在Claude和OpenAI模型之后排名第三。在此之前，Grok 4.20以可靠性换取了速度和个性。Grok 4.6在代码自主性方面也落后于前沿梯队。
对于数百万通过X、独立应用或其特斯拉汽车仪表板与之互动的用户来说，这并不意味着Grok 4.7是一款糟糕的产品。但这表明，最有可能回答你问题或驱动你汽车语音助手的模型，运行在一个其自身制造商的基准测试将其置于金字塔下一层的系统之上。
正是这种差距使得价格标签对大多数人来说比排行榜位置更重要。尽管在原始能力上落后于Anthropic和OpenAI，xAI始终在每token成本上低于这两家公司，押注“足够好、便宜且随处可见”优于“最好但更昂贵”，以赢得日常主流用户市场。
马斯克在发布前几天就已降低预期，写道Grok 4.7的表现应“大致与”Anthropic的Claude Opus 5.0持平，而非更新的Opus 5.1，且多模态性能仍需改进。
在同一条帖子中，他勾勒了接下来的三个模型：Grok 4.8作为实质性跃升，Grok 4.9达到“Astra/Fable级别”，而Grok 5则可能成为前沿领导者。这些升级尚未公布发布日期。他写道：“我们走着瞧。”