Grok 4.7 深度评测：xAI 旗舰推理模型，500K 上下文 2 美元起

9 月 21 日，xAI（SpaceXAI）正式发布 Grok 4.7，这是继 8 月 12 日 Grok 4.6 之后的新一代旗舰模型，官方定位为「面向编程、智能体任务与知识工作的前沿模型」。最引人注目的不是它的能力有多强，而是它的定价——每百万 Token 输入 2 美元、输出 6 美元，与上一代持平，却只有 GPT-5.6 Sol（4/20 美元）和 Claude Fable 5.1（10/50 美元）的一个零头。用一句话概括：xAI 想用「前沿性能 + 白菜价」的组合拳，正面抢编程与知识工作这块最肥的市场。

核心能力：专攻「耗时数小时」的硬任务

Grok 4.7 最大的变化，不在参数量（官方未公布具体规模，业界估计约 2.1 万亿参数，较 Grok 4.6 提升约 40%），而在训练方式。xAI 这次换用了更大的基座模型，并进行了更长的强化学习（RL）训练，训练数据特意向「需要数小时才能完成」的难题倾斜。

这带来三个直接能力提升：

• 自我验证能力更强：模型更擅长检查自己的输出，减少「看似正确实则错误」的幻觉，这对长时间编程任务尤其关键。
• 长上下文管理更稳：配合 50 万 Token 上下文窗口，在超长文档、大型代码库中能保持前后一致。
• 原生理解 Grok Bot harness：xAI 专门训练了它对自家智能体框架的理解，对话任务和通用知识工作的表现更好，生成文档和 PPT 的能力也明显提升。

基准成绩：逼近前沿，但并非全面碾压

xAI 官方给出了 Grok 4.7 与 Grok 4.6、GPT-5.6 Sol、Claude Fable 5.1 的对比表。结论是「逼近前沿、各有胜负」，而非单方面碾压：

• 长时间编程任务：46.3%（Grok 4.6 为 40.4%、GPT-5.6 Sol 为 41.7%、Fable 5.1 为 51.8%）——相较上代大幅进步，但仍落后 Fable 5.1。
• Terminal-Bench 4.0（多小时代理终端操作）：38.0%，几乎翻倍于 Grok 4.6 的 20.3%，是这代提升最猛的一项。
• 工程评测 DE：71.0%，超过 Grok 4.6（65.2%），接近 GPT-5.6 Sol（72.7%）。
• Harvey 法律智能体基准：19.6%，大幅领先 Fable 5.1（6.7%）和 GPT-5.6 Sol（2.5%），是它最亮眼的单项。
• 临床推理 HealthBench：56.7%，落后于 Fable 5.1（62.1%）和 GPT-5.6 Sol（60.5%）。

此外，xAI 宣称 Grok 4.7 配备了全新的安全护栏栈：在 LatchBio 生物安全基准上得分 62.4%（领先），在自家 HackerBench v0.3 上仅放行 3.3% 的危险双用途提示，同时很少误拦正当的安全研究。安全与合规是其相较上一代强调最多的一点。

使用体验与局限

上手路径很顺：Grok 4.7 已接入 Cursor、Grok Build（x.ai/build，可免费体验）、Grok API，以及各类第三方编程 harness 和模型路由（OpenRouter 等）。如果追求速度，xAI 还提供一个「快速变体」，输出速度翻倍、价格也翻倍（4/12 美元）。

需要泼的冷水也有：中文能力仍是一块短板。Grok 系列历来以英文和 STEM 任务见长，中文生成质量与国产模型（GLM、Kimi、DeepSeek）有明显差距；其次，它在部分综合基准（长时间编程、临床推理）上仍不是第一名，如果你追求「绝对最强」而非「性价比最高」，Fable 5.1 或 GPT-5.6 Sol 仍更胜一筹。

Grok 4.7 与其他同类模型横向对比

模型	上下文	定价（$/M Token）	核心定位	本站评分
Grok 4.7	500K	2 / 6	编程 + 知识工作	8.7
Claude Fable 5.1	—	10 / 50	企业 Agent	8.9
Gemini 3.8 Live	—	—	实时语音	8.5
GLM 5.3 FlashX	—	—	高速多模态	8.6
Kimi K3	—	—	国产推理	8.5

放在坐标系里看，Grok 4.7 处在一个很讨巧的位置：能力逼近第一梯队，价格却只有对手的几分之一。对「用得起、够强、能跑长时间任务」的程序员和知识工作者来说，它可能是目前性价比最均衡的选择之一。

综合评分

维度	评分	评价
功能完整度	8.8 / 10	编程/智能体/知识工作全能，多模态偏弱
易用性	8.6 / 10	Cursor、Grok Build、API 多入口，上手快
性价比	9.0 / 10	2/6 美元定价远低于同级对手
中文支持	7.8 / 10	英文见长，中文弱于国产模型
输出质量	8.7 / 10	前沿水准，部分基准非第一

综合评分：8.7 / 10

常见问题（FAQ）

Grok 4.7 免费吗？

在 Grok Build（x.ai/build）里可以免费体验 Grok 4.7；通过 Cursor、Grok API 或 OpenRouter 调用则需要付费，API 定价为每百万 Token 输入 2 美元、输出 6 美元。

Grok 4.7 的上下文窗口有多大？

官方标注为 50 万 Token 上下文窗口，足以一次性处理超长文档或大型代码库。

Grok 4.7 和 GPT-5.6 Sol、Claude Fable 5.1 哪个好？

各有胜负：Grok 4.7 在 Terminal-Bench 和法律智能体上领先，价格最便宜；GPT-5.6 Sol 和 Fable 5.1 在长时间编程、临床推理等综合任务上更强。追求性价比选 Grok 4.7，追求绝对最强选后两者。

Grok 4.7 支持中文吗？效果如何？

支持中文，但中文生成质量与 GLM、Kimi、DeepSeek 等国产模型存在差距，英文和 STEM 任务才是它的强项。

想发现更多好用的 AI 工具？查看我们的 AI 模型库 与 工具对比引擎，或继续阅读：Claude Fable 5.1 评测 · GLM 5.3 FlashX 评测 · 全部评测。