本周大模型第一枪，由「跳票大师」马斯克的 SpaceXAI 打响。
Grok 4.7 正式发布，2.1 万亿参数，比上一代 Grok 4.6 多 40%。SpaceXAI 官方宣称「Grok 4.7 价格不变、速度不变，性能全面提升。」
听起来很美，但注意我的用词，「官方宣称」。
Grok 4.7 跳票，从 7 月就开始了。
7 月 24 日马斯克放话「Grok 4.7 4 周内发布」，8 月 12 日改口「3 到 4 周」，9 月 2 日发帖「10 天后上线」，9 月 11 日又来一句「还差点意思，再等几天」。从首次预告到正式发布，将近两个月。
而老马口中的「几天」，我们一等就是十天。
按照马斯克的解释，他们在强化学习阶段可能把回复长度惩罚得太狠，Grok 4.7 碰到难题容易提前放弃，自我检查也不够严谨。他还特意强调，这模型明明有能力解决，就是不肯干到底。
但如果你翻开 SpaceXAI 官方博文，会看到这样一句话，「Grok 4.7 在困难任务上坚持得更久，自我检查更加仔细。」
十天前的毛病，反倒成了的卖点。牢马，我们能信你吗。
「价格不变」是 SpaceXAI 这次主打的牌。这话理论上没毛病，Grok 4.7 API 定价和 Grok 4.6 一样，每百万输入 token 2 美元、输出 6 美元。
然而第三方独立评测机构 Artificial Analysis 公布了一组数据，揭开了 Grok 4.7 背后的隐性成本。
Grok 4.7 在最高推理强度下，每个测试任务平均消耗 81000 输出 token，同样的任务 Grok 4.6 只要 36000，GPT-6 Astra 更少，只要 27000 token。虽然每个 token 的价格没涨，但完成同样的任务，Grok 4.7 要烧掉两倍多的 token，这样算下来 Grok 4.7 每个任务的实际花费比 Grok 4.6 贵了一倍多。
所以，「价格不变」没说错，但也没说全。Grok 4.7 学会了死磕、不轻易放弃，代价是每个任务消耗的 token 翻了一倍。
乍一看，Grok 4.7 跑分惊艳。
根据 SpaceXAI 官方公布的对比表，Grok 4.7 基本可以和 GPT-5.6、Claude Fable 5.1 坐一桌同台竞技了。有些单项基准测试得分甚至超过了这些老大哥。
单看性价比，几乎就要把 Claude Opus 5 斩杀了。
然而，从第三方的视角来看，Grok 4.6 到 Grok 4.7 的进步，远不如 Grok 4.3 到 Grok 4.5 那么让人眼前一亮。
Artificial Analysis 大模型排行榜，Grok 4.7 综合得分 46 分，相比上一代 Grok 4.6 仅上涨 2 分，排在第 6 名。前面依次是 Claude Fable 5.1 和 GPT-6 Astra（并列第一，53 分）、Claude Opus 5（51 分）、Muse Spark 1.3（48 分）、GPT-5.6 Sol（47 分）。
Grok 4.7 和第一梯队还有明显差距。
Grok 4.7 的进步主要来自知识工作领域，AA-Briefcase（一个模拟律师、分析师等专业人员日常任务的评测）涨了 111 Elo 分。但其他方面，Grok 4.7 和 Grok 4.6 基本持平，个别评测甚至出现了退步。
SpaceXAI 官方自家的编程测试 CursorBench，Grok 4.7 成绩 46.3%，Claude Fable 5.1 51.8%。Artificial Analysis 的编程智能体指数里，Grok Build + Grok 4.7 得分 56，第四名。前三名分别是 Claude Code + Claude Fable 5.1（62）、Codex + GPT-6 Astra（62）和 Claude Code + Claude Opus 5（60）。
从 Grok 4 被骂翻车到 Grok 4.5 支棱起来，SpaceXAI 只用了两个版本。但从「支棱起来」到「追赶头部」，两个版本显然不够了。
9 月 14 日，Grok 4.7 还在跳票，马斯克已经在画大饼了。
自信的老马对 4.7 的评价是「大致和 Claude Opus 5 一个水平」，然后 4.8 会有明显提升，4.9 能到 Claude Fable 级别，Grok 5 也许比所有模型都强。
如果真是这样，老马做梦估计都能笑醒了。
维度配资提示：文章来自网络，不代表本站观点。
