Grok 4.7 终于上线，但 Claude 仍在大多数基准测试中占据优势

SpaceX AI 发布 Grok 4.7：定价亲民，但在多项基准测试中仍落后于 Claude Fable 5.1

周一，SpaceX AI 正式发布了其**大语言模型 Grok 4.7。该模型的输入**价格为每百万个** 2 美元。尽管 SpaceX AI 自身的基准测试数据显示，Anthropic 的 Claude Fable 5.1 在大多数测试项目中依然占据**地位。

核心要点

SpaceX AI 以与 Grok 4.6 相同的价格推出了 Grok 4.7，其中输出**的价格为每百万个 6 美元。 在公司进行的对比中，Claude Fable 5.1 在 GDPval、CursorBench 和 Terminal-Bench 等评测中保持**。 Grok 4.7 经历了多次推迟后终于上线，并在电气工程和法律工作领域取得了胜利。

Grok 4.7 的推出详情

该公司于周一宣布了这一模型，称其为目前**大的编码和知识工作模型。目前，Grok 4.7 已在 Cursor、Grok Build、Grok API 以及第三方代码工具包中上线使用。此外，还有一个速度更快的变体版本，其价格翻倍。输出**价格维持在每百万个 6 美元，这与一个多月前发布的 Grok 4.6 保持一致。

SpaceX AI 表示，Grok 4.7 基于一个更大规模的基础模型运行，该模型经过更长时间的强化学习训练，**解决需要数小时才能完成的复杂问题，并配备了重新构建的安全防护栈。马斯克此前曾声称，该模型拥有 2.1 万亿个参数，高于之前的 1.5 万亿，并且利用了 SpaceX 的工程数据进行补充训练，但这一细节并未在官方发布帖文中提及。

Claude Fable 5.1 的优势

在评估律师、护士和金融分析师工作的 GDPval 基准测试中，Grok 4.7 的 Elo 评级为 1,695，而 Claude Fable 5.1 则为 1,735。在多小时办公任务测试 ** Briefcase 中，Grok 4.7 再次落后。在 Terminal-Bench 测试中，两者的差距扩大了近 20 分。

不过，新模型在某些领域也取得了突破，在电气工程测试中以 64% 对 56.4% 的成绩击败了 Fable 5.1，并在 Harvey 的法律代理基准测试中将对手的成绩提高了三倍。Grok 4.7 在公司发布的每一项测试中均优于 Grok 4.6，其在终端工作方面的得分几乎翻了一番。

值得注意的是，上述所有数据均来自 SpaceX AI 自身。CursorBench 是由 Cursor（SpaceX 上个月完成收购的代码编辑器）开发的编码测试，在该测试中，Grok 4.7 以 51.8% 对 46.3% 的成绩落败。Grok 4.7 **具备明显优势的是价格，其输入**费用仅为 Fable 5.1 的五分之一。

马斯克的延期风波

此次发布结束了一个充满错失目标的夏季。马斯克在 7 月底曾表示该模型将在四周内推出，但随后反复推迟发布日期。9 月 1 日，他将时间窗口缩小至 10 天；而在 9 月 11 日，他承认模型还需要几天的训练时间。

在发货前几天，他再次**了预期，将 Grok 4.7 的性能对标为 Claude Opus 5.0，而非更新的 Opus 5.1，且多模态功能尚未完善。此后，马斯克称 Grok 4.8 将是显著的升级，并暗示 Grok 5 可能会**整个行业，但目前这两个模型均未公布具体的发布日期。