Grok 4.7 发布：专注长任务编程与专业工作，价格不变性能提升

0 阅读

Grok 4.7 来了，这次不只拼跑分

今天一早，SpaceXAI 正式上线 Grok 4.7。发布页面开篇就甩出一句硬核定位：“面向编程与知识工作的最强模型，速度达到可比模型的两倍，价格只有一半。”

图片

这显然不是一次常规迭代。Grok 4.7 换用了更大的基础模型，延长了强化学习训练周期，并把重点放在那些需要数小时才能完成的复杂任务上。它不再满足于写几行漂亮代码，而是试图在整套工作流中少走弯路，直接交出能用的结果。

图片

马斯克在 X 上简单评价：“Grok 4.7 在智能水平、运行速度和成本之间取得了很有竞争力的平衡。”

图片

长任务，成了新战场

图片

Grok 4.7 最大的变化，是把“长时间任务”作为核心优化方向。相比 Grok 4.6，新模型在训练时引入了更多耗时数小时的样本，要求模型在执行链中持续保持目标、识别错误、管理上下文。

图片

这对编程智能体尤其关键。现实中的软件开发很少是“一句话生成函数”，更多是读完整个代码库、拆解模糊需求、修改多个文件、跑测试、发现 bug、再回头调整。整个过程可能跨越几十次交互。如果模型中途“失忆”或偏离目标，效率反而更低。

图片

Grok 4.7 在这方面做了针对性改进。官方称，它在自我检查和长上下文管理能力上有显著提升。更关键的是，它被训练为原生理解 Grok Bot 的运行框架，这意味着模型与工具、环境之间的协作更顺畅——不再是孤立的问答机器，而是一个能持续工作的智能体。

数据也支持这一说法。在专门评估长时间编码任务的 CursorBench 4.0 上，Grok 4.7 得分 46.3%，比 Grok 4.6 的 40.4% 提高了近 6 个百分点。在 Terminal-Bench 4.0（模拟终端操作）中，成绩从 20.3% 跃升至 38.0%。而在高推理强度的 DeepSWE v1.1 测试中，得分达到 71.0%。

这些数字背后，是模型能否在复杂任务中“坚持到底”的能力。SpaceXAI 甚至直接宣称：Grok 4.7 是目前在 CursorBench 4.0 上“价格与性能均处于前沿”的模型。

不只是写代码，还要做完整工作

虽然编程仍是 Grok 4.7 最突出的标签，但 SpaceXAI 明显在拓宽它的能力边界。这次评测覆盖了律师、护士、金融分析师等专业人士的日常任务，包括起草合同、整理病历、制作演示文稿、分析财报等多步骤工作流。

在 AA Briefcase v1.1（评估通用知识工作）中，Grok 4.7 得分 1657，高于上一代的 1546。在 GDPval（衡量实际工作产出质量）中，Elo 分数从 1605 升至 1695。官方图表显示，它已接近 Fable 5.1 的 1735 分，明显高于 GPT-6 Astra 的 1542 分。

专业领域的进步同样显著：

  • EEBench（工程任务）：53.0% → 64.0%
  • Harvey Legal Agent Benchmark：15.8% → 19.6%
  • HealthBench Professional（临床推理）：48.5% → 56.7%

这些数据来自 SpaceXAI 内部对比，虽不能直接跨模型比较（因推理配置、工具调用等变量不同），但足以说明 Grok 4.7 相比前代的进化方向：从“回答问题”转向“完成整项工作”。

模型现在需要理解任务意图、调用合适工具、生成结构化文档、自行复核逻辑一致性——单一问答能力只是其中一环。Grok 4.7 延长训练任务时长、强化自我验证机制，正是为了补上这一课。

安全防护同步升级

能力增强的同时，Grok 4.7 也启用了全新的安全体系。SpaceXAI 称，这是其测试过“在拒答与抵抗越狱方面表现最强”的模型。

在生物安全基准 LatchBio 上，Grok 4.7 以 62.4% 的成绩登顶。而在网络安全测试 HackerBench v0.3 中，模型仅放行 3.3% 的高风险双重用途提示（如生成恶意代码），同时对正常的安全研究请求误拦率很低。

此外，SpaceXAI 开始向少数网络安全合作伙伴开放“邀请制红队能力”，用于防御性研究。目前这项功能仅限受控合作，尚未全面开放。

价格没涨，性价比更高

Grok 4.7 已上线 Cursor 和 Grok Build，并通过 Grok API、第三方编程框架、模型路由服务及主流云平台提供。

最关键的是定价策略：标准版维持 Grok 4.6 的价格——每百万输入 token 2 美元，每百万输出 token 6 美元。这意味着开发者无需为换代支付额外成本，就能获得更强的长任务处理能力、更稳定的上下文管理和更高的专业任务得分。

对知识工作类产品来说，模型单次调用价格固然重要，但真正决定成本的是“完成一项任务需要多少轮尝试”。如果 Grok 4.7 能减少返工次数、缩短任务周期，实际支出反而可能大幅下降。

快速版则进一步提速，官方称“速度达到可比模型的两倍”，适合对延迟敏感的场景。

用户反应两极

尽管官方数据亮眼，社区反馈却并不一致。有用户直言：“这种模型居然也敢发布，简直差到不该发布。”

这种批评或许源于过高期待，也可能反映实际体验与宣传存在落差。但 SpaceXAI 的回应很务实：Grok 4.7 的卖点并非“全面碾压竞品”，而是用远低于部分旗舰模型的 API 成本，换来相当接近、甚至在个别专业任务上领先的性能。

换句话说，它不是要当全能冠军，而是想成为那个“花一半钱，干八成活”的实用选择。

总结：把复杂工作做完

从训练方式到评测组合，Grok 4.7 的所有改动都指向同一个目标：长时间留在任务里，把复杂工作做完。

编程是它最先成熟的入口，但文档撰写、演示制作、法律分析、临床推理和工程设计已被纳入同一套能力版图。模型不再是“聪明的问答机”，而是“能干活的协作者”。

这场升级没有华丽口号，只有具体的分数提升、明确的价格锚定和对真实工作流的深入适配。至于它能否真正改变开发者和专业人士的工作方式，还得看接下来几个月的实际集成效果。