xAI 发布 Grok 4.7：编程能力升级，输入每百万 token 仅 2 美元

如果你这阵子一直在拿 AI 辅助写代码，大概对各家模型在复杂项目里「写着写着就胡言乱语」的毛病深有体会。

xAI 显然也想解决这个问题。9 月 21 日，他们正式拿出了 Grok 4.7，专门盯着编程和专业知识工作发力。官方给它的定位很明确：更擅长啃硬骨头，而且价格照旧。

换了更大的底子，专门练「长跑」

和上一代 Grok 4.6 相比，Grok 4.7 换上了一个参数量更大的基座模型。不过真正的关键，在于后面的强化学习训练跑了更长时间。

xAI 这次特意给它喂了大量需要耗费数小时才能搞定的复杂任务混合包。用官方的话说，新模型学会了更仔细地检查自己的产出，在超长上下文里的掌控力也上去了。

日常体验上，它原生接入了 Grok Bot 的运行框架，搞定对话和文档整理也更顺手。而在模拟律师、金融分析师和护士等专业场景的 GDPval 和 AA Briefcase 测试里，Grok 4.7 成绩都有明显提升。在 GDPval 上，它的表现甚至压过了 GPT-6 Astra，紧咬着 Fable 5.1。

在代码实战测试 CursorBench 4.0 上，Grok 4.7 拿下了 46.3% 的成绩，电气工程基准 EEBench 则达到了 64.0%。

安全护栏收紧，但业内也有不同声音

伴随模型一起更新的，还有一套全新的安全防护架构。

官方数据显示，它在 LatchBio 生物安全测试中以 62.4% 领跑。面对网络安全测试 HackerBench v0.3 时，仅有 3.3% 的高危双重用途提示词能够蒙混过关，同时几乎不会误拦正常的安全防御分析。

价格方面，Grok 4.7 保持了每百万输入 token 收费 2 美元、输出 6 美元的档位。如果嫌不够快，官方还备了一个速度翻倍、价格也翻倍的极速版本。目前它已经在 Cursor 和 Grok Build 上线，也能直接走 xAI 的 API 接入。

不过，外界的评价并没有一边倒。有第三方评测博主引用了评估机构 Artificial Analysis 的数据指出，单看综合智力指标，Grok 4.7 其实依然打不过 GPT-6 和 Claude 的旗舰款，甚至只是和开源的 Mimo 2.6 Pro 打了个平手。

更尴尬的是任务实际开销。评测显示，在综合完成单项任务的真实成本上，Grok 4.7 算下来甚至可能比 GPT-6 还要贵一些，未必真有宣传里说的那么划算。

为什么重要

我们认为，Grok 4.7 的打法其实非常务实。它没有硬去卷所有通用评测的总分第一，而是把筹码押在了程序员最痛的两个点上：长任务下的逻辑一致性，以及代码自查能力。

如果你每天都在 Cursor 里写代码，现在直接就能切到 Grok 4.7 试试手。特别是面对长达几百行逻辑、容易让老模型发懵的大工程，这种专门强化过自检能力的模型确实值得测一测。

但它面临的隐患也很明显。第三方评测给它浇的冷水提醒了所有人：官方给出的每百万 token 单价便宜，不等于你完成一个实际项目掏的总账单就少。如果模型在复杂推理上多走了弯路，或者多吐了几轮 token，省下来的单价优势瞬间就会被抹平。

对于整个行业来说，xAI 正在把竞争拉向更垂直的工程交付场景。光喊通用智力跑分已经不够看了，能不能在 Cursor 这种高频生产力工具里站稳脚跟，才是接下来各家真正要交的答卷。