xAI 将 Grok 4.7 定位为编程与知识工作模型，强调它能更长时间处理复杂任务，并更仔细地检查自己的结果。官方称新版使用更大的基础模型，针对耗时较长的难题进行了更长的强化学习训练，同时改进上下文管理。可用渠道包括 Grok API、Grok Build 和 Cursor；API 基础输入/输出价格与 Grok 4.6 相同。查看 xAI 官方公告与评测表。

Grok 4.7 发布，编程与知识工作升级而基础单价不变 官方配图
图片来自 SpaceXAI / xAI 的官方发布页面；点击图片可查看原始来源。

官方评测应该怎么读

xAI 报告了 CursorBench、DeepSWE、Terminal-Bench、GDPval 和 AA Briefcase 等结果，覆盖代码任务、终端操作和专业办公工作。公告也对比了多个模型、推理档位和任务类别，因此单个数字不能简单概括模型的总体优劣。例如，长程任务表现与标准 API 单次响应的体验不同；“最高档推理”分数也不能直接等同于默认设置。上述成绩由发布方整理，适合用来挑选测试方向，不应视为每个项目的保证。

价格、速度与使用渠道

标准 API 标价为每百万输入 token 2 美元、输出 token 6 美元，与前代基础价格相同。xAI 还提供 Fast mode，公告称速度约为标准模式的两倍、价格也约为两倍。是否值得开启，要看任务等待时间、重试、输出长度和成功率；不能仅凭每 token 的速度或价格推算每个完成任务的成本。

用自己的代码库做对比

  1. 准备一组带清晰验收标准的真实缺陷、测试补全和多文件功能任务。
  2. 让 Grok 4.6 与 4.7 使用相同代码库上下文、工具、权限和提示。
  3. 运行既有自动测试，并由开发者盲审差异，记录一次通过率、错误类型、人工修订和总 token 成本。
  4. 在长任务中要求模型先列计划和验证办法；仅在隔离分支上执行写入操作。

适合与不适合的场景

当任务需要跨多个文件反复推进、创建文档或长时间调用工具时，长程能力可能比短问答榜单分数更有意义。若请求只是简单问答，切换到更昂贵的 Fast mode 未必划算。对法律、医疗和安全相关材料，还需要专业人员检查；模型评测分数不构成专业意见，也不替代业务审核。