格罗克 4.7（Grok 4.7）是我们用于编码和知识工作最强大的模型。它在困难任务上工作时间更长，更仔细地检查自身工作，并配备了迄今为止校准最好的保障措施。它以与格罗克 4.6（Grok 4.6）相同的价格和速度提供服务，在同类中极具竞争力。在强调较长运行编码任务的 CursorBench 4.0 上，Grok 4.7 在性价比方面处于前沿。
正文
Grok 4.7 是我们目前最擅长编程与知识工作的模型。它能更长久地处理困难任务，更仔细地检查自身输出，并配备了迄今为止校准得最好的安全机制。其价格和速度与 Grok 4.6 相同，在同级别中极具竞争力。
在强调长时编程任务的 CursorBench 4.0 上，Grok 4.7 的性价比处于前沿水平。
模型改进
与 Grok 4.6 相比，Grok 4.7 采用了全新且更大的基础模型。它在更困难的任务组合上进行了更长时间的强化学习训练，任务权重偏向那些需要数小时才能完成的难题。该模型更擅长验证自身工作和管理长上下文。我们还训练它原生理解 Grok Bot 框架，从而提升对话任务和通用知识工作的表现。
| 模型 | Grok 4.7 xHigh | Grok 4.6 High | GPT-5.6 Sol Max | Fable 5.1 Max | | --- | --- | --- | --- | --- | | 输入 token 价格（每百万） | $2 | $2 | $4 | $10 | | 输出 token 价格（每百万） | $6 | $6 | $20 | $50 | | 软件工程 CursorBench 4.0 | 46.3% | 40.4% | 41.7% | 51.8% | | 软件工程 DeepSWE v1.1 | 71.0%* | 65.2% | 72.7% | 70.0% | | 电气工程 EEBench | 64.0% | 53.0% | 39.4% | 56.4% | | 多小时办公室工作 AA Briefcase v1.1 | 1,657 | 1,546 | 1,487 | 1,678 | | 多小时终端工作 Terminal-Bench 4.0 | 38.0% | 20.3% | 37.3% | 57.9% | | 法律工作 Harvey Legal Agent Benchmark | 19.6% | 15.8% | 2.5% | 6.7% | | 临床推理 HealthBench Professional | 56.7% | 48.5% | 60.5% | 62.1% |
（Grok 4.7 的 DeepSWE 带星号为高投入得分。）
Grok 4.7 更擅长生成文档与演示稿。在 GDPval 和 AA Briefcase 基准中，AI 被要求完成律师、护士、金融分析师等专业人士的工作。Grok 4.7 在两项基准上均优于 Grok 4.6，并与其他前沿模型表现相当。
安全与网络安全
Grok 4.7 构建了全新的安全栈，是我们测试过的在拒绝不当请求和抵御越狱方面最强的模型。在网络安全、生物工作等双重用途领域，它在良性任务效用和危险任务安全拒绝上均领先，以 62.4% 登顶 LatchBio 生物安全基准。
Grok 4.7 在强大网络防御能力和对合法使用的低拒绝率之间取得平衡。在我们针对危险和恶意网络任务的基准 HackerBench v0.3 上，它安全性最高，仅放行 3.3% 的危险双重用途提示，同时几乎不阻拦合法的安防工作。我们已开始向选定的网络安全合作伙伴提供 Grok 4.7 红队能力的邀请制访问，用于防御研究。
定价与可用性
Grok 4.7 现已在 Cursor 和 Grok Build 中可用，也可通过 Grok API、第三方编程框架以及模型路由器和云平台使用。
模型起售价为每百万输入 token 2 美元、每百万输出 token 6 美元。我们还提供速度快一倍、价格也贵一倍的快速版本。
在 Grok Build 中免费试用
立即前往 https://x.ai/build 开始使用。
评论
社区对 Grok 4.7 的官方基准宣传普遍怀疑，并因创作者政治背景产生抵触；实际编码能力评价两极，前端集成体验获赞而代理稳定性遭批，性价比亦被看低。
认为官方基准图有误导或遗漏关键对手
- 图表未纳入 Astra、坐标轴顺序反常、推理级别比较不对等，怀疑是为掩盖真实劣势（较多人） > 顶部图表故意不放入 Astra 不可能是疏忽，多半是模型对比起来不好看（@kristofferR）
认为 Grok 在前端编码与集成体验上出色
- 在 Cursor 等环境中生成结果优于部分竞品，说话直白不啰嗦，前端网页开发尤其强（较多人） > 集成 Cursor 后的 Grok 在前端开发上表现惊人，而且用平实英语沟通不惹人烦（@moojacob）
认为 Grok 在实际代理任务中稳定性差
- 有用户在代理工具里遇到思考循环、无视规则文件、破坏计划等严重问题，比前代退步（少数人） > 它会在思考模式里无限循环修复编号，忽略指令，连监督模型都得每轮叫停，我从没见过这么糟（@Saline9515）
认为 Grok 在个人聊天与人格上较弱
- 用作日常对话时性格乏味、不努力帮忙，逊于主流对手（少数人） > 仅就个人闲聊而言，它比 Claude、ChatGPT 甚至 Deepseek 都差得远（@simianwords）
质疑价格与性价比
- 单价虽标但无缓存价细节，实际成本高，有更便宜且效果好的替代（较多人） > Grok 实在太贵，我用零头价格的 DeepSeek 就得到了惊人结果（@meerita）
因创作者政治背景拒绝使用或以此调侃
- 部分用户因创始人政治立场拒绝测评或使用，社区以玩笑方式表达反感（少数人） > 戏称新版为“机械希特勒 4.7”折射部分人对创始人立场的反感（@TylerJaacks）
看好团队迭代速度与前路
- 发布节奏加快，团队快速逼近前沿，期待 Grok 5 更大飞跃（较多人） > 很高兴看到发布节奏加快且质量持续提升，希望年底 Grok 5 带来更大进步（@vessenes）
有价值的补充
- Grok 4.7 权重比 4.6 多 40% 但同价，且推迟近两周发布，推测 xAI 对结果不满；同时后端 Ruby 仍 Claude 更强，所有模型解释技术概念能力较旧版退化（@moojacob）
- 实测不同推理档位 token 消耗反常（低中与高相近、xhigh 反少于 high），需排除中间件干扰才能定论（@simonw）
- Astra 虽单价高但完成任务消耗 token 少得多，认为 xAI 错失机会，优势在 Anthropic（@saejox）
- 基准比较应考量耗时与生成代码的可维护性，而非仅分数与成本（@MuffinFlavored）