xAI 推出 Grok 4.7：規模更大，卻在 AI 前沿競賽中遲到

伊隆·馬斯克的 xAI 發布了 Grok 4.7 於週一下午，這是其迄今為止最好的模型，並稱其為「在相同價格和速度下，較 Grok 4.6 有顯著改進」。

此次發布是在數次明顯延遲之後。馬斯克自七月底以來至少五次推遲時間表：「四週後」，然後「幾週」，然後「3 到 4 週」，然後在 9 月 1 日說「10 天」，然後在 9 月 11 日說「需要再多幾天來醞釀」。

xAI 表示，該模型在處理難題時會花更長時間，並且比 Grok 4.6 更頻繁地檢查自己的答案，同時還配備了該公司所稱迄今最強大的安全護欄。

馬斯克在 X 上跟進表示，稱 Grok 4.7 是「智慧、速度與低成本的有力結合」。這次沒有候補名單——它現在已在 Grok 應用程式、Cursor、Grok Build 和 xAI API 中上線。

Grok 4.7 擁有 2.1 兆個參數，比 Grok 4.6 的 1.5 兆增加了 40%，而 Grok 4.6 本身是 Grok 4.5 的改良版。其成本為每百萬輸入詞元 2 美元，每百萬輸出詞元 6 美元。參數是模型在訓練期間調整的內部旋鈕，參數越多通常意味著學習模式的容量越大，而詞元則是 AI 模型能夠記錄或生成的基本資訊量。

xAI 還加入了從 SpaceX（馬斯克的火箭公司）取得的補充訓練資料：Starlink 衛星遙測、製造記錄和工程故障日誌。其賣點是這個模型在硬體和物理系統方面的推理能力，勝過任何純粹以網際網路文本訓練的模型。

話雖如此，基準測試分數講述的是一個熟悉的故事。GDPval 衡量的是模型在真實、具經濟價值的知識工作上的表現——法律備忘錄、試算表、簡報投影片——使用由各領域在職專業人士審核的任務，並以 Elo 評分進行評分，這與西洋棋使用的正面對決排名系統相同。

Grok 4.7 在 GDPval 上達到 1695 分。Claude Fable 5.1 以 1735 分位居榜首。

由 Artificial Analysis 打造的 AA-Briefcase，測試的是長達數小時的辦公室工作，將研究、分析和文件產出串連成一項長時間任務，同樣以 Elo 量表評分。Grok 4.7 獲得 1657 分，而 Fable 5.1 為 1678 分。結果相同，測試不同。

CursorBench 4.0 是 Cursor 針對其編輯器內真實程式設計任務的基準測試，將準確度與每項任務消耗的成本和 token 數量進行對照。Grok 4.7 落在中間：每項任務的價格高於 GPT-5.6 Sol 的後繼者 GPT-6 Astra 和 Claude Sonnet 5，但仍不及 Fable 5.1，後者在圖表上的每個價格點都勝出。

這對 xAI 來說並非新模式。 Grok 4.5 於七月推出，擁有業界最大的訓練叢集，卻以第三名的成績落後於 Claude 和 OpenAI 的模型。在此之前，Grok 4.20 以可靠性換取速度和個性。Grok 4.6 在程式設計自主性方面也落後於前沿陣營。

對於數百萬透過 X、獨立應用程式或特斯拉儀表板與它對話的人來說，這一切都不會讓 Grok 4.7 成為一個糟糕的產品。這意味著，最有可能回答你問題、或驅動你車內語音助理的模型，所運行的系統，在其自家製造商的基準測試中，排名比階梯頂端低了一階。

這個差距正是為什麼對大多數人來說，價格標籤比排行榜位置更重要。xAI 在每 token 成本上一直壓低 Anthropic 和 OpenAI，即使它在原始能力上落後於它們，賭的是「夠好、便宜、無處不在」在多數日常使用中勝過「最好，但更貴」。

馬斯克在發布前幾天就已經設定了較低的期望，他寫道 Grok 4.7 應該「大致與」Anthropic 的 Claude Opus 5.0 持平，而非更新的 Opus 5.1，且多模態效能仍需改進。

在同一則貼文中，他勾勒了接下來三個模型：Grok 4.8 是意義重大的升級，Grok 4.9 屬於「Astra/Fable 級別」，而 Grok 5 則可能成為前沿領導者。這些升級目前還沒有發布日期。「我們拭目以待，」他寫道。