AI 圈没有假期。 从 OpenAI、Anthropic 到 xAI，各家巨头仿佛商量好了一样，连夜赶考，集中抢位。假期还没正式开始，基模决战的气氛就已经烘托到位了。 就在刚刚，SpaceXAI 正式发布 Grok 4.7。 官方博客 https://x.ai/news/grok-4-7 官方将其定位为目前最强的编程与知识工作模型。新模型已经进入 Cursor、Grok Build 和 Grok API，也将通过第三方编程工具、模型路由平台与云服务提供。 Grok 4.7 的发布比马斯克最初预告的时间晚了不少。从 7 月下旬开始吹风，到改口「再等几周」，接着压缩到「十天之内」，最后又来了一句「模型还得再调校调校」…… 一鸽再鸽后，Grok 4.7 的发布重点因此显得十分明确。SpaceXAI 没有把主要篇幅放在聊天体验或多模态展示上，而是 集中强调长时间执行、自我检查、专业知识工作，以及更有竞争力的价格性能比。 Grok 4.7，把长任务摆上台面 按照官方介绍， Grok 4.7 使用了一个比 Grok 4.6 更大的全新基础模型 ，强化学习时间更长，训练任务也更难，其中相当一部分需要数小时才能完成。 模型同时加强了长上下文管理和结果核查能力， 并针对 Grok Bot 的运行环境进行了原生训练，以提升对话任务和通用知识工作的表现。 官方公布的多项成绩显示，Grok 4.7 相比上一代有明显进步。 在 CursorBench 4.0 中，Grok 4.7 xHigh 得分为 46.3%，高于 Grok 4.6 High 的 40.4%；DeepSWE v1.1 从 65.2% 提高到 71.0%； Terminal Bench 4.0 则从 20.3% 升至 38.0%。电气工程基准 EEBench 的成绩从 53.0% 提高到 64.0%，面向长时间办公任务的 AA Briefcase v1.1 也从 1546 分增至 1657 分。 向左滑动查看更多内容 横向比较后，Grok 4.7 的优势主要集中在价格和部分专业任务，综合成绩仍未全面领先。 在 CursorBench 4.0 和 Terminal Bench 4.0 上，它低于 Fable 5.1 Max；在 DeepSWE v1.1 上略低于 GPT 5.6 Sol Max； 但在 Harvey Legal Agent Benchmark 中取得 19.6%，明显高于官方表格中的几款对比模型。 Artificial Analysis 随后给出 46 分的 Intelligence Index 成绩，称 Grok 4.7 让 SpaceXAI 进入全球前四名 AI 实验室，其 Coding Agent Index 表现也超过 GPT 5.6 Sol。 价格成为 Grok 4.7 最直接的竞争筹码。其 API 定价与 Grok 4.6 相同， 每百万输入 token 为 2 美元，每百万输出 token 为 6 美元。 https://docs.x.ai/developers/pricing SpaceXAI 还提供输出速度翻倍的快速版本，价格也相应翻倍。 用马斯克的话来说，Grok 4.7 Grok 4.7 是一款集智能、速度和低成本于一体的强大产品， SpaceXAI 官方则直接宣称，它的速度可达到同类模型的两倍，价格只有一半。 编程之外，SpaceXAI 开始争夺专业工作。 官方专门强调文档和演示文稿能力，并引用 GDPval 与 AA Briefcase 等评测，试图证明模型可以承担律师、护士、金融分析师等专业人士的部分工作。 对应到产品方向上，Grok 4.7 想进入的是需要读取大量材料、持续调用工具并反复核对结果的长流程任务。 Box 展示的一项保险理赔案例更能说明这一方向。 Grok 4.7 在 Box Agent 中核对一笔价值 200 万美元的索赔、保单与相关记录，发现 8.2 万美元重复发票和 6.4 万美元遗漏的供应商抵扣，还识别出一个可能令计算结果相差 14.3 万美元的免赔额问题。 系统最终生成了一份带引用的审查报告，保险覆盖范围和付款决定仍由理赔人员完成。 安全能力也被列为此次升级的重要部分。 SpaceXAI 表示，Grok 4.7 使用了全新的安全防护体系，在 LatchBio 生物安全基准中取得 62.4%；在面向高风险网络安全任务的 HackerBench v0.3 中，只有 3.3% 的危险双重用途提示通过，同时尽量减少对正常安全研究的误拒。 部分网络安全合作伙伴还将获得邀请制的红队能力，用于防御研究。 网友玩疯了，但口碑… Grok 4.7 上线后的第一批测试主要集中在网页、3D 场景和可视化编程，但口碑嘛，可以说是两极分化的厉害。