产业 / 媒体
定价亲民，但基准测试与Claude和GPT-6差距明显
xAI近日推出旗下迄今能力最强的模型Grok 4.7，主打编程与知识工作场景。该模型基于更大的基础模型构建，经过更长时间的强化学习训练，并具备更强的自我输出验证能力。定价方面，输入每百万token收费2美元，输出每百万token收费6美元，与中国模型的价格区间更为接近，远低于西方前沿模型。然而，在独立机构Artificial Analysis发布的智能指数（v4.3.2）中，Grok 4.7综合得分仅为46分，处于中游水平，而Claude Fable 5.1和GPT-6均以53分领跑。在智能体编程测试Terminal-Bench 4.0中，Grok 4.7仅得26%，不仅远落后于GPT-6 Astra的60%和Claude Fable 5.1的55%，甚至被更廉价的DeepSeek V4.1 Flash以27%的成绩微弱超越。该模型目前已通过Grok API、Cursor及Grok Build平台提供访问。
xAI于2026年9月正式发布Grok 4.7，将其定位为公司迄今最强的编程与知识工作模型。据xAI介绍，该模型在更大基础模型之上构建，采用了更长周期的强化学习训练流程，并强化了模型对自身输出结果的验证机制。这一系列改进旨在提升模型在复杂推理和代码生成任务中的可靠性。
在定价策略上，Grok 4.7选择了极具竞争力的路线：输入每百万token仅需2美元，输出每百万token为6美元。这一价格水平与国内主流模型相当，与Anthropic、OpenAI等西方前沿模型的定价存在显著差距，显示出xAI在市场渗透上的明确意图。
然而，独立评测机构Artificial Analysis发布的智能指数（v4.3.2）给出了较为冷静的评价。该指数综合十项基准测试，Grok 4.7最终得分为46分，在所有参评模型中处于中游位置。相比之下，Claude Fable 5.1与GPT-6均以53分并列领先，两者之间的差距达到7个百分点，并非微不足道的差异。值得注意的是，Grok 4.7的两个最高推理级别在测试中表现几乎相同，未能体现出明显的层级分化。
在智能体编程这一当前AI竞争的核心赛道上，Grok 4.7的表现更令人担忧。Terminal-Bench 4.0测试结果显示，Grok 4.7得分仅为26%，而GPT-6 Astra达到60%，Claude Fable 5.1为55%，差距超过一倍。更值得关注的是，定价更低的DeepSeek V4.1 Flash以27%的成绩小幅超越了Grok 4.7，这对xAI的性价比叙事构成了一定挑战。
目前，Grok 4.7已通过多个渠道向开发者开放，包括Grok API、代码编辑器Cursor以及xAI自家的Grok Build平台。对于预算有限、对顶尖性能要求不高的开发者而言，Grok 4.7的低价策略仍具吸引力。但若追求智能体编程或复杂推理任务的最优表现，当前基准数据表明Claude和GPT-6仍是更稳妥的选择。
要点
- Grok 4.7在Artificial Analysis综合智能指数中得分46，落后于Claude Fable 5.1和GPT-6的53分，差距明显
- 智能体编程测试中，Grok 4.7仅得26%，不仅远低于GPT-6 Astra（60%）和Claude Fable 5.1（55%），甚至被DeepSeek V4.1 Flash（27%）超越
- 定价是Grok 4.7最突出的优势，输入2美元、输出6美元每百万token，与中国模型价格区间相当
- 模型已在Grok API、Cursor和Grok Build三个平台上线，面向开发者开放访问
- 性价比定位清晰，但在高要求的编程与推理场景中，与头部模型仍存在实质性能力差距
原始标题：xAI launches Grok 4.7 at bargain prices, but benchmarks reveal a wide gap to Claude and GPT-6
本文由 DataHub 基于公开来源整理，用于信息发现与摘要阅读；具体事实、数据和后续更新以原始来源为准。