Grok 4.7 评测：功能、基准测试与 API 价格

Grok 4.7 是 xAI 的旗舰模型，于 2026 年 9 月 21 日推出，比 Grok 4.6 晚四十天。它采用新的、更大的基础模型，面向编程与知识工作。xAI 表示其服务价格和速度与上一代相同，但完成任务的总耗时仍取决于任务与推理设置。如果你正在使用 Grok 4.5，Grok 4.7 已是两代之后的版本。

这篇 Grok 4.7 评测介绍功能变化、xAI 与独立机构的基准测试、API 价格及使用限制，也说明获取方式。Chat Smith 尚未接入 Grok 4.7，但已提供 Grok 4.5，让你无需单独订阅 Grok 即可使用 xAI 模型。

Grok 4.7 是 Grok 4.6 的后继版本，也是 xAI 推荐用于大多数任务（包括编程）的模型。4.6 主要改进后训练，而 4.7 更换了更大的基础模型，并进行了更长时间的强化学习，训练任务难度更高，重点覆盖需要数小时完成的工作。

基础规格变化不大：50 万 token 上下文窗口、文本和图像输入、文本输出，以及 low 到 xhigh 的推理等级。xAI 强调其更仔细的自我检查，以及对 Grok Bot 智能体运行框架的原生理解。资料标注的知识截止时间为 2026 年 5 月；若未使用搜索工具，这并不意味着模型掌握实时信息。

这一系列更新很快：Grok 4.5 于 2026 年 7 月推出，4.6 在 8 月，4.7 在 9 月。不同版本的定位可参考 Grok 模型完整指南。

下面四个领域展示了相较 Grok 4.6 的主要变化。

在 xAI 发布时的对比表中，Grok 4.7 的 xhigh 设置在 CursorBench 4.0 得分为 46.3%，4.6 为 40.4%。DeepSWE v1.1 中，4.7 使用 high 得到 71.0%，对照值为 65.2%。官方页面目前将 Terminal-Bench 4.0 列为 37.6%，4.6 为 20.3%。VulcanBench 10 月 4 日发布的 Frontier v4 结果中，Grok 4.7 与 Cursor 的组合占据前三名，但其第二评分模型与其他栏位不同，分数不能视为完全等价的比较。

xAI 报告 Grok 4.7 在电气工程测试 EEBench 中得到 64.0%，高于 4.6 的 53.0% 和 Claude Fable 5.1 Max 的 56.4%。Harvey Legal Agent Benchmark 分别为 19.6%、15.8% 和 6.7%。在模拟长时间办公任务的 AA-Briefcase v1.1 中，4.7 达到 1,657 Elo，4.6 为 1,546。使用 AI 物理学习助手 理解电路时，工程能力的改进值得关注，但测试成绩不保证每道题都能答对。

截至 2026 年 10 月 13 日查阅的数据，Grok 4.7 xhigh 在 Artificial Analysis Cyber Index 中以 56 分（满分 100）并列最高。该指数评估发现、验证及修复代码库漏洞的能力。安全拦截也会影响成绩：发布报告指出，部分模型在其中的 CyberGym-E2E-AA 测试中拒绝了至少 98% 的任务，因此不能把这些成绩简单当作能力的完整比较。

Artificial Analysis 在 9 月 21 日的评测中记录，Grok 4.7 xhigh 的 AA-Omniscience 幻觉率为 29%，4.6 high 为 34%，Intelligence Index 得分约为 46。这是特定测试的结果，不是所有回答的错误率。同一次评测中，每项指数任务的输出 token（包括推理）约为 81,000，而 4.6 high 为 36,000。让它 总结较长的 PDF 时，额外推理可能增加等待时间与费用。

下表采用 xAI 发布时的对比数据，并于 2026 年 10 月 13 日核对：Grok 4.7 使用 xhigh，Grok 4.6 使用 high，Claude Fable 5.1 使用 max。推理等级并不相同。价格为每百万 token 的基础 API 美元费率；工程、法律和健康测试成绩不等同于专业建议。

在表中列出的测试里，Grok 4.7 均超过 4.6，基础费率不变。它在电气工程和法律测试中超过 Fable 5.1，但 Fable 仍在 CursorBench 和 Terminal-Bench 领先。在这份对比中，Fable 的输入单价是五倍，输出约为 8.3 倍。不过，实际任务成本还取决于 token 用量与工具调用。

每百万 token 的基础费用为输入 2 美元、缓存输入 0.50 美元、输出 6 美元。上下文超过 20 万 token 时，整个请求改按输入 4 美元、缓存输入 1 美元、输出 12 美元计费。Grok 4.7 Fast 仅在 Cursor 和 Grok Build 提供，xAI 宣称输出速度为两倍；标准上下文的输入／缓存／输出费率为 4／1／12 美元，超过 20 万 token 时为 6／1.50／18 美元，均按每百万 token 计费。公共 xAI API 不提供 Fast。即使基础单价相同，更多推理 token 也可能提高任务费用。

• 开发者：可在 xAI API 中通过 grok-4.7 使用，也可经 OpenRouter 和 Vercel 获取。请核对各服务商的条件。
• 云平台：可经 Amazon Bedrock、Google Vertex AI 和 Microsoft Foundry 使用，具体取决于地区及访问方式。
• 编程工具：可在 Cursor、GitHub Copilot 和 Grok Build 使用，访问权限可能受套餐和管理员策略影响。
• Chat Smith：尚未接入 Grok 4.7，但 Android、iOS 和网页版已提供 Grok 4.5。Chat Smith Pro 增加使用额度；套餐及价格因平台和地区而异，请在订阅时查看当前详情。

Grok 4.7 具有竞争力，但并非所有指标第一。Fable 5.1 Max 在 xAI 的部分测试中仍领先。独立结果也受方法影响：VulcanBench 将它列在首位，同时提示评分模型差异；Snorkel AI 9 月 22 日的报告则称，它在 Senior SWE-Bench 的 tasteful pass@3 指标中排名第六，得分 40.0%，4.6 为 38.9%。这些是不同日期与方法的测量。

复杂任务可能耗时较长、消耗大量 token。VulcanBench 的 Frontier v4 测试中，Cursor 的 Extra-high 设置平均每项任务耗时 28.5 分钟。Artificial Analysis 发布时的评测则记录，其每项指数任务输出 token 超过 4.6 high 的两倍。上述数字不代表普通聊天的固定时间或费用。

50 万 token 的窗口小于部分竞争模型的 100 万或以上窗口；超过 20 万 token 时费率上升。许多公开数字来自供应商自身，也取决于智能体框架。在实际任务上对比 Claude Sonnet 5 等替代模型，再决定是否采用 Grok 4.7。

Chat Smith 尚未接入 Grok 4.7，但 Android、iOS 和浏览器中已提供 Grok 4.5。从 模型列表 选择它即可开始聊天，无需 xAI 账户或单独的 Grok 订阅。使用仍受所选 Chat Smith 套餐的额度限制。

Grok 4.5 与 4.7 均有 50 万 token 上下文，基础 API 价格也相同。在合适的推理设置下，4.5 可作为日常提问、写作、研究与快速编程帮助的较轻量选项。4.7 的主要提升面向长时间智能体编程与专业任务，实际速度仍取决于设置和工作内容。

Chat Smith 还能在同一个应用中对比 Grok 4.5、DeepSeek V4 Pro 和其他模型。向多个模型提出同一个问题，选择更适合你的答案。Chat Smith Pro 提供更高额度及更多高级模型；请核对当前平台和地区的套餐价格。

Grok 4.7 采用更大的基础模型，在 xAI 发布时的各项对比测试中提升了 4.6 的成绩，基础输入／输出费率仍为每百万 token 2／6 美元。专业任务和防御性安全表现值得关注。主要限制是复杂任务的等待时间、较高 token 用量和 50 万 token 上下文；相较竞争模型的编程优势取决于测试及智能体环境。

在 Grok 4.7 进入更多应用之前，Grok 4.5 仍是日常使用 xAI 模型的便捷方式。现在即可在 Chat Smith 试用，它是一款 AI 聊天应用，将其与 OpenAI、Anthropic、Google 和 DeepSeek 的模型放在同一处。