马斯克终于交卷：Grok 4.7跑分很强，实测却翻车了？
口碑两极分化。
在头部大模型几乎迭代一轮后，马斯克的SpaceXAI终于也跟着“交卷”了。北京时间9月22日，SpaceXAI正式发布新模型Grok 4.7，官方称这是目前旗下功能最强大的编程和知识处理模型。马斯克转发跟帖称“Grok 4.7 是智能、速度和低成本的强大组合”。
不过，从首批评测和用户反馈来看，Grok 4.7更像是一次补齐短板的追赶，而非全面领先的代际跃升。它在长时程智能体任务和编程测试中进步明显，但在网页、3D场景和可视化编程等实测中，也出现了不少“跑分很强、落地翻车”的样本。
根据AI评测机构Artificial Analysis的数据，Grok 4.7在智能指数上得分46，位列模型榜单第六，也让SpaceXAI进入全球排名前四的AI实验室之列。官方在博客提到，Grok 4.7能更长时间地处理复杂任务，更仔细地检查自身运行结果，并配备了最完善的安全保障措施。“速度是同类模型的两倍，价格却只有一半。”
与Grok 4.6相比，Grok 4.7 使用了更大更新的基础模型，经过更长时间的强化学习训练，任务组合也更加复杂，尤其侧重于那些需要花费数小时才能完成的问题。因此，这一模型在验证自身工作和处理更长的上下文方面表现更佳。从评测结果看，这次升级最明显的进步集中在智能体和编程场景。
Artificial Analysis发文提到，在AA-Briefcase这一长时程智能体知识工作基准中，Grok 4.7仅落后于Claude Opus 5和Claude Fable 5.1。该测试模拟数据分析、产品管理和企业战略等真实工作，需要模型处理大量文件，并最终交付文档、表格或演示文稿，比单轮问答更接近AI进入办公室后的实际任务。
编程能力也有明显提升。Grok 4.7搭配官方编程智能体Grok Build，在Artificial Analysis编程智能体指数中得分56，在各家模型搭配原生智能体工具的测试中，它排名第四，仅落后于Claude Fable 5.1、GPT-6 Astra和Claude Opus 5。
在价格上，Grok 4.7标准版为每百万输入token 2 美元、每百万输出token 6 美元，与 Grok 4.6 保持一致。官方还会提供速度更快的一版模型，其输出速度是标准版的两倍，价格也相应翻倍。单看价格，Grok 4.7在前沿模型中确实不贵，但低单价并不必然等于低总成本，因为它完成任务时消耗的token更多。
Artificial Analysis的测试显示，Grok 4.7每个智能指数任务使用约 8.1万输出token，而 Grok 4.6为3.6万，GPT-6 Astra为2.7万 token，分别高出了125%和196%。对于按量付费的开发者而言，真正需要比较的是完成同一项任务要花多少钱、等待多久，这还需要进一步的任务实测。
根据首批用户的案例测试，在网页、3D场景和可视化编程上，Grok 4.7的结果并不稳定。有用户对比Grok 4.7与Kimi 3在3D和前端任务上的表现，称Grok不仅生成效果翻车，消耗成本也达到后者的约三倍；在经典的“鹈鹕骑自行车”SVG网页动画测试中，它对角色与自行车运动关系的处理同样不及预期。当然，少数提示词和单次测试不能代表模型的全部能力。
生成效果还会受到推理档位、智能体工具、上下文长度以及测试环境影响。但这些案例至少说明，基准测试中的领先并不会转化为所有场景下的稳定体验。也有支持马斯克的网友站出来评论道，外界对Grok 4.7的期待被抬得过高。
马斯克此前给出的参照是，Grok 4.7整体能力大致与Claude Opus 5相当，在不同任务上互有胜负。按照马斯克此前的表态，真正的改进将在下一代4.8中实现，而Grok 4.9更可能达到Anthropic的Mythos级别。或许正是由于效果达不到预期，Grok 4.7的发布此前几度延期。
早在7月，马斯克便开始预告新模型，8月称“再等几周”，月初延期后他表示还需等待和调校。在4.7发布前，马斯克已经开始预热下一代了。9月14日，马斯克称，Grok 4.8是一款参数量达2.5万亿的AI模型，并且会在当周完成训练、启动强化学习。
对SpaceXAI来说，坐拥顶级资源，最新模型却没有排进前三，或许还是得在下一代模型上努力一下。