Grok 4.7 发布：xAI 押注长任务、代码能力与安全平衡

2026年9月21日阅读约 3 分钟

导语

xAI 发布了 Grok 4.7，并将其定位为面向编程与知识工作的最新旗舰模型。公告没有把重点放在单一榜单成绩上，而是强调模型处理多小时任务的能力：它可以在更长上下文中持续工作、检查自身结果，并完成更复杂的代码和办公流程。

不过，这是一篇由 xAI 发布的产品公告，文中的对比数据、竞品名称和安全结论均应视为厂商披露，不能直接等同于独立评测结果。

训练方向改变。 Grok 4.7 使用了相较 Grok 4.6 更大的基础模型，并进行更长的强化学习训练。训练任务更偏向需要数小时完成的复杂问题，目标是改善规划、持续执行和结果验证。
代码与知识工作并重。 xAI 称，Grok 4.7 在 CursorBench 4.0、DeepSWE、电子工程和办公任务中优于上一代；其中 DeepSWE 的高努力模式得分为 71%。公告还提到，模型对 Grok Bot 工具环境进行了原生训练，以适应对话和通用知识工作。
价格保持在较低水平。 API 起价为每百万输入 token 2 美元、输出 token 6 美元，快速版本以两倍价格提供约两倍输出速度。公告称模型在 Cursor 和 Grok Build 中可用，也支持 API、编码工具链、模型路由器和云平台。
安全能力成为卖点。 xAI 表示，Grok 4.7 使用全新的防护栈，在拒答、越狱抵抗、生物安全和网络安全测试中取得较好结果。其披露的 HackerBench 风险提示放行率为 3.3%，但这类数字高度依赖测试集定义和评估方法。

Grok 4.7 的产品策略很清晰：不只追求短问答或局部代码生成，而是争夺能够连续执行、反复检查并交付成果的智能体型工作流。对开发者而言，较低的 token 价格和多种接入方式可能降低试用复杂编码代理的成本；对企业用户而言，长任务可靠性、工具调用稳定性和误拒率比单项榜单名次更关键。

值得注意的是，公告同时展示了不同模型在软件工程、办公、终端操作、法律和临床推理上的成绩，结果并非全面领先。Grok 4.7 在部分任务中占优，但在其他项目上仍落后于表中竞品。因此，实际选型应结合真实代码库、上下文长度、延迟、输出成本和安全策略进行小规模测试，而不能只依据宣传页的综合印象。

总体看，Grok 4.7 的看点在于“长任务能力加价格竞争力”的组合。它是否能在真实生产环境中稳定完成多步骤工作，还需要第三方复现和持续使用反馈来验证。