Grok 4.7 已经上线。xAI 给出的第一组信息很直接：输入每百万 token 2 美元，输出每百万 token 6 美元；配套对比表则把升级重点落在软件工程、电气工程、终端操作和法律任务上。
图注：SpaceXAI 公布的 Grok 4.7 对比表，列出不同模型在软件、电气、终端、法律和临床任务上的成绩，以及输入、输出 token 价格。
01
价格先把它放进了真实工作流。
@SpaceXAI 的主帖只用了两句话宣布 Grok 4.7：相比 Grok 4.6，它有明显提升，价格和速度保持相同。xAI 随后在官方页面把产品定位写得更具体：面向编码和知识工作，强调更快的响应与更低的同类成本。
当前 xAI 文档列出的 API 价格是每百万 token 输入 2 美元、输出 6 美元。支持文本和图片输入。最大上下文为 500K token，并提供低、中、高和 xhigh 四档推理强度。对开发者来说，版本升级首先变成了一个可以直接替换模型名、重新计算调用成本的选择。
价格口径：xAI 文档列出的是标准 API token 价格。长上下文请求进入更高价位，实际费用仍取决于输入规模、缓存命中和输出长度。
02
真正拉开差距的，是任务能不能持续推进。
配图中的数字给出了比“更聪明”更有用的线索。Grok 4.7 在 DeepSWE v1.1 上拿到 71.0%，高于 Grok 4.6 的 65.2%；在 EEBench 电气工程任务上是 64.0%，高于 Grok 4.6 的 53.0%。这两项都指向持续处理工程问题的能力：理解代码或电路约束，拆解多步任务，再把结果交付出来。
终端任务的变化更明显。Terminal-Bench 4.0 上，Grok 4.7 得分 38.0%。Grok 4.6 为 20.3%。终端环境要求模型连续调用工具、读取反馈、修正命令并完成目标。这里的得分变化，比一次问答中多写几句解释更接近开发者实际感受到的差异。
法律任务也出现同方向变化。Harvey Legal Agent 上，Grok 4.7 为 19.6%，Grok 4.6 为 15.8%。这个数字仍然谈不上覆盖法律工作。它说明 xAI 把评测范围从纯代码继续推向有长文档、规则检索和多步判断的知识任务。
Grok 4.7 的升级信号，集中在“把任务做完”所需的连续操作上。
03
这张表也把它的边界写了出来。
Grok 4.7 并没有在每项测试中排名第一。CursorBench 4.0 上，它是 46.3%。这个成绩高于 Grok 4.6 的 40.4%和 GPT-5.6 Sol Max 的 41.7%，低于 Fable 5.1 Max 的 51.8%。
AA-Briefcase v1.1 上，Grok 4.7 为 1657。Fable 5.1 Max 为 1678。HealthBench Pro 上，它是 56.7%。GPT-5.6 Sol Max 为 60.5%，Fable 5.1 Max 为 62.1%。
配图中 Grok 4.7 的 CursorBench 4.0 成绩是 46.3%，Grok 4.6 是 40.4%。按这张表计算，Grok 4.7 比自家上一代高 5.9 个百分点。横向比较时，Fable 5.1 Max 仍以 51.8%领先。模型升级、单项领先和全榜领先，分别是三件事。
这种分布让 Grok 4.7 的产品方向变得清楚。它更愿意把成本和训练投入放在工程代理、终端环境和专业任务上。临床推理与长时间办公任务仍有竞争，但结果更接近追赶者，而非全面占据榜首。
04
开发者该看哪一个信号。
如果你的任务是改代码、跑命令、处理多文件工程问题，Grok 4.7 的重点提升与使用场景相吻合。选择它时，优先检查同一项目上的工具调用次数和失败后的恢复能力。再看单个任务成本、人工接管次数和榜单总分。
如果工作主要是长文档整理、办公室流程或临床判断；配图中的 AA-Briefcase 和 HealthBench 结果提供了另一组判断依据。
Grok 4.7 在这些项目上仍处于竞争区间。Grok 4.7 的成绩已经进入竞争区间。不同模型之间的差距仍然取决于任务类型、推理档位和评测协议。
Grok 4.7 的第一张成绩单把优势集中在工程任务上：同样的价格，模型更擅长把代码、终端和专业任务推进到下一步；能否在你的代码库、终端环境和预算里稳定完成工作，还要由真实任务的成本和接管记录决定。
来源：SpaceXAI 官方发布页；SpaceXAI Developers 文档；SpaceXAI 官方账号发布的 Grok 4.7 对比图。