跳转到主要内容

Grok 4.7：SpaceXAI 更便宜、更智能的长任务 AI

Grok 4.7 登场：更快、更便宜，为马拉松任务做好准备

SpaceXAI 今天早些时候发布了其最新旗舰模型 Grok 4.7。该公司毫不掩饰其雄心：着陆页将其标榜为“编程和知识工作的最强模型”，声称其速度是同类模型的两倍，而价格仅为其一半。这不仅仅是为了在基准测试中名列前茅——Grok 4.7 拥有更大的基础模型、增强的长期任务处理能力、自检能力以及更好的长上下文管理。SpaceXAI 还将其应用于文档、演示、法律、医疗保健和工程等专业领域，旨在减少失误，并在数小时工作后交付真正可用的结果。

埃隆·马斯克在 Twitter 上表示，Grok 4.7 在智能、速度和成本之间取得了“极具竞争力的平衡”。

Image

长任务：新战场

那么，其内部有何玄机？Grok 4.7 使用了比其前身 Grok 4.6 更大的基础模型，并延长了训练期间的强化学习阶段。这意味着该模型要应对更艰巨的任务组合——有些样本需要数小时才能完成。据 SpaceXAI 称，新模型擅长检查自己的工作和管理长上下文，直接解决了编程代理的痛点：复杂的软件任务涉及阅读代码库、分解需求、编辑多个文件、运行测试以及无休止的调试。在长执行链中保持正轨并捕捉错误，往往比一次性写出完美代码更重要。

Image

在针对长期编码的 CursorBench 4.0 测试中，Grok 4.7 得分 46.3%，高于上一代的 40.4%。其 DeepSWE v1.1 高推理得分达到 71.0%，Terminal-Bench 4.0 从 20.3% 跃升至 38.0%。该模型还被训练以原生理解 Grok Bot 操作框架，SpaceXAI 称这提升了对话和通用知识工作的表现。结论是什么？升级重点已从单轮回答转向模型、工具和执行环境之间的持续协作。

不止于代码：全能知识工作者

编程仍然是 Grok 4.7 的招牌，但其评估范围要广泛得多。在 AA Briefcase v1.1 上，它得分 1657 分（高于 1546 分），其 GDPval Elo 从 1605 升至 1695——接近 Fable5.1 的 1735，并领先于 GPT-6Astra 的 1542。专业领域也有所提升：EEBench 从 53.0% 攀升至 64.0%，Harvey Legal Agent Benchmark 从 15.8% 升至 19.6%，HealthBench Professional 从 48.5% 升至 56.7%。趋势很明显：前沿模型现在竞争的是“完成整个任务”，这意味着理解请求、调用工具、生成文件并进行自我审查。

在安全方面，Grok 4.7 引入了新的保护系统。SpaceXAI 声称这是迄今为止在拒绝有害回答和抵御越狱方面表现最好的。LatchBio 生物安全基准达到 62.4%，HackerBench v0.3 仅允许 3.3% 的高风险两用提示——同时很少阻止合法的安全研究。SpaceXAI 还向选定的网络安全合作伙伴开放了基于邀请的红队能力。

要点

  • Grok 4.7 是 SpaceXAI 最强的模型，针对编程和知识工作，速度是竞争对手的两倍，价格仅为其一半。
  • 长任务 是主要焦点：增强的自检和长上下文管理，适用于长达数小时的工作流程。
  • 基准测试提升 涵盖编码（CursorBench 4.0：46.3%）、法律（Harvey：19.6%）和医疗保健（HealthBench：56.7%）。
  • 安全升级 包括新的保护系统和面向合作伙伴的红队访问。
  • 埃隆·马斯克 称其为智能、速度和成本的“极具竞争力的平衡”。