Elon Musk旗下的xAI于周一下午发布Grok 4.7，这是该公司迄今最强大的模型，官方称其为“在相同价格和速度下对Grok 4.6的显著改进”。

早期基准测试结果显示，该模型在GDPval和AA-Briefcase上排名第二，仅次于Claude Fable 5.1；在电气工程基准测试EEBench上排名第二，仅次于GPT-6 Astra。

此次发布之前经历了一连串的延期。自7月下旬以来，Musk至少五次推迟发布时间表：先是“四周后”，然后是“几周”，接着是“3到4周”，9月1日称“还有10天”，最后在9月11日称“还需要几天时间打磨”。

这一次没有等候名单。Grok 4.7已立即上线，可通过Grok应用、Cursor、Grok Build和xAI API使用。

Musk随后在X上跟进，称Grok 4.7是“智能、速度与低成本的强力组合”。

Grok 4.7 is here. It's a notable improvement over Grok 4.6 at the same price and speed. pic.twitter.com/H3OTBbXyvO

— SpaceXAI (@SpaceXAI) September 21, 2026

根据xAI的官方公告，与Grok 4.6相比，该模型会花更长时间攻克难题，并更频繁地复核自己的答案，同时还配备了该公司所称的迄今最强大的安全防护机制。

规模、定价与SpaceX数据

Grok 4.7拥有2.1万亿参数，较Grok 4.6的1.5万亿增加40%，而Grok 4.6本身是对Grok 4.5的改进。定价为每百万输入tokens 2美元、每百万输出tokens 6美元。参数是模型在训练过程中调节的内部旋钮，参数越多通常意味着学习模式的能力越强，而tokens则是AI模型能够接收或生成的信息基本单位。

xAI还纳入了来自Musk旗下火箭公司SpaceX的补充训练数据：Starlink卫星遥测数据、制造记录和工程故障日志。其卖点是，相比任何仅通过互联网文本训练的模型，该模型对硬件和物理系统的推理能力更强。

基准测试讲述了一个熟悉的故事

GDPval衡量模型在真实、具有经济价值的知识工作上的表现——包括法律备忘录、电子表格和幻灯片——所用任务均经过各领域在职专业人士审核，并以Elo评分计分，Elo正是国际象棋所用的对战排名系统。Grok 4.7在GDPval上得分为1695，而Claude Fable 5.1以1735高居榜首——在Elo量表上相差40分。

AA-Briefcase由Artificial Analysis构建，测试将研究、分析和文档产出串联为一项长任务的多小时办公工作，同样采用Elo量表计分。Grok 4.7得分为7，低于Fable 5.1的1678——差距较窄，为21分，不同的测试得到了相同的结果。

CursorBench 4.0是Cursor针对其编辑器内真实编码任务的基准测试，将准确率与每项任务消耗的成本和tokens数量进行对比。Grok 4.7位居中游：每项任务的成本高于GPT-6 Astra（GPT-5.6 Sol的继任者）和Claude Sonnet 5，但仍不及Fable 5.1——后者在图表上所有价格点均胜出。

xAI的惯常模式

该公司已多次发布在独立评估中落后于竞争对手的旗舰模型。Grok 4.5于7月发布，拥有业内最大的训练集群，但得分位列第三，落后于Claude和OpenAI的模型。在此之前，Grok 4.20以可靠性换取速度和个性化，Grok 4.6在编码自主性方面也落后于前沿阵营。

这些都不足以让Grok 4.7成为一款糟糕的产品，对于通过X、独立应用或特斯拉仪表盘与其对话的数百万用户而言。它只是意味着，最有可能回答用户问题——或驱动汽车语音助手——的模型，所运行的系统按其制造商自己的基准测试衡量，比梯队顶端低了一级。

正是这一差距使得对大多数人而言，价格比排行榜名次更为重要。xAI在每tokens成本上一直低于Anthropic和OpenAI，即便其原始能力落后于对方，它押注的是“够用、便宜、无处不在”在日常使用中胜过“最好但更贵”。

Musk的预期与未来之路

Musk在发布前几天就已降低了预期，在X上写道，Grok 4.7应“大致与”Anthropic的Claude Opus 5.0“处于同等水平”——而非更新的Opus 5.1——多模态性能仍需改进。

在同一篇帖子中，他勾勒了接下来的三个模型：Grok 4.8作为一次有意义的跃升，Grok 4.9达到“Astra/Fable级”，Grok 5则可能成为前沿领导者。这些升级尚未确定发布日期——鉴于Grok 4.7本身的时间表在发布前至少被推迟了五次，这一细节显得格外意味深长。“我们拭目以待，”他写道。