埃隆·马斯克旗下的SpaceXAI周一发布了 Grok 4.7，输入 token 定价为每百万 2 美元；不过按照其自家基准测试结果，Anthropic 的 Claude Fable 5.1 在大多数项目上仍更胜一筹。
重点摘要：
- SpaceXAI 将 Grok 4.7 的定价维持在与 Grok 4.6 相同的水平，输出 token 为每百万 6 美元。
- 在公司自测中，Claude Fable 5.1 在 GDPval、CursorBench 和 Terminal-Bench 上保持领先。
- Grok 4.7 在电气工程和法律工作测试中胜出，但其发布时间经历了多次推迟。
Grok 4.7 正式上线
该公司周一 宣布 推出这款新模型，称其为迄今最强版本，主要面向编程和知识类任务。目前该模型已接入 Cursor、Grok Build、Grok API 以及第三方编程工具链。一个更快的版本定价则翻倍。其输出 token 价格为每百万 6 美元，与一个多月前发布的 Grok 4.6 保持一致。
SpaceXAI 表示，Grok 4.7 基于全新的更大底座模型，采用更长周期的强化学习训练，重点针对那些可能需要数小时才能完成的问题，同时还配备了重构后的安全防护体系。马斯克另曾 声称，该模型参数量达到 2.1 万亿，高于此前的 1.5 万亿；但发布稿并未提及任何来自 SpaceX 工程数据的补充训练。
相关阅读： Polymarket 存在漏洞，黑客无需密码即可进入账户
Claude Fable 5.1 仍占上风
在 GDPval 测试中，该模型用于评估 AI 在律师、护士和金融分析师等职业场景中的表现，Grok 4.7 的 Elo 评分为 1,695，低于 Claude Fable 5.1 的 1,735。随后在 AA Briefcase 测试中，它在耗时数小时的办公任务上再次落后；在 Terminal-Bench 上，差距进一步扩大至近 20 分。
不过，新模型在部分项目上也取得领先。测试结果显示，其在电气工程测试中的得分为 64%，高于 Fable 5.1 的 56.4%；在 Harvey 面向律师的法律代理基准测试中，得分更是达到对手的三倍。与 Grok 4.6 相比，Grok 4.7 在公司公布的各项测试中均有提升，其中在终端相关任务上的成绩几乎翻倍。
上述数据均来自 SpaceXAI 自身。该公司最先强调的 CursorBench 编程测试，Grok 4.7 反而以 46.3% 不敌 51.8%，而 Cursor 本身正是 SpaceX 上月刚完成收购的编辑器产品。Grok 4.7 真正保住的优势，是价格——其输入 token 费用仅为 Fable 5.1 的五分之一。
马斯克再度推迟发布
此次发布也为马斯克这个夏天一连串延期画上句号。此前他在 7 月下旬称该模型“还有四周左右”，随后又多次推迟。9 月 1 日，他将发布时间窗口缩小到 10 天；但到 9 月 11 日又承认，模型还需要再训练几天。
在正式上线前几天，马斯克再次降低预期，将 Grok 4.7 定位为大致接近 Claude Opus 5.0，而非更新的 Opus 5.1，并称多模态能力仍未完成。此后他又表示，Grok 4.8 将是一次“实质性升级”。他还暗示 Grok 5 可能有望直接领跑行业，但这两款模型目前都尚未公布发布日期。
