为这一版模型，马斯克前后改过至少五次时间表。7 月底说"四周后"，接着变成"几周""三到四周"，9 月 1 日缩到"十天"，9 月 11 日又说"还得再炖几天"。
9 月 21 日周一下午，Grok 4.7 上线，这次没有等待名单。
规格确实涨了。总参数 2.1 万亿，比 8 月 12 日的 Grok 4.6 多出 40%。上下文窗口仍是 50 万 token，在各家前沿模型里属于偏小的一档。价格一分没动，每百万输入 2 美元、输出 6 美元，缓存命中 0.5 美元，提示词超过 20 万 token 后翻倍计价。
上线当天就铺开了：Grok 应用、Cursor、自家的命令行工具 Grok Build、xAI API，还有 GitHub Copilot。之后是 OpenRouter、Devin、Cline、Vercel AI Gateway 这些渠道。渠道铺得很快，没有企业名单排队这一环。
01 官方那组数字：难题上多待一会儿
官方模型卡给的提升集中在工程任务上。Terminal-Bench 4.0 从 20.3% 到 38.0%，涨了 17.7 个点；CursorBench 4.0 从 40.4% 到 46.3%；DeepSWE v1.1 从 65.2% 到 71.0%；硬件工程基准 EEBench 从 53.0% 到 64.0%。
官方给的解释是训练方式换了：更长的强化学习、更难的任务分布，模型在难题上愿意花更久，也更频繁回头检查自己的答案。换成大白话，它不再急着交卷。
02 独立那组数字：同一项测试测出 26%
Artificial Analysis 测出来的不一样。综合智能指数 46 分，比 Grok 4.6 高 2 分，刚好把它送进前四家实验室，但排在 Fable 5.1 Max、Opus 5、GPT-6 Astra 和 GPT-5.6 Sol Max 后面。
最能说明落差的是 Terminal-Bench。官方口径 38.0%，AA 在 xHigh 档只测到约 26%；同一档位，GPT-6 Astra 是 59.6%，Opus 5 在最高档约 49%。同一项测试、同一个模型，两组数字差出十多个点。有开发者看完直接说这个成绩糟透了。
涨了 17.7 个点是真的，但绝对值还不到对手的一半。
知识工作类也没翻盘。GDPval 拿 1695，输给 Fable 5.1 的 1735；AA-Briefcase 是 1657，对手 1678。两项都排在前面那位后面。
03 标价没动，单任务的账变了
真正要掏钱的人该盯的是输出长度。AA 测出它每完成一个智能指数任务平均吐 8.1 万 token，Grok 4.6 是 3.6 万，GPT-6 Astra 是 2.7 万。比上一代多 125%，比 Astra 多 196%。
每百万 token 的单价没变，单个任务的账单却变了。只看标价选模型的习惯，到了多步任务里越来越不准。
04 别人抄不走的那部分
有一处优势别家补不上。这次训练补进了 SpaceX 体系的工程数据，包括星链卫星遥测、制造记录和工程故障日志。这类数据不在互联网语料里，目标是让模型理解硬件怎么坏，而不是教科书怎么说。
安全上，官方称这是自家护栏最强的一版：LatchBio 生物安全基准拿到 62.4% 居首，HackerBench v0.3 只放行 3.3% 的高风险双用途请求，同时尽量不误拦正常的安全工作。
这句话发出来的时间点有点巧。Dario Amodei 那篇主张放缓的文章过了 9 天，苏格兰那场把英伟达、谷歌 DeepMind、Anthropic 请到一张桌上的会过了 4 天，马斯克没有出席。
路线图也一并给了：Grok 4.8 即将完成训练，4.9 对标 Astra 和 Fable 那一档，Grok 5 瞄准通用人工智能。
xAI 的赌注一直没变，用够好、便宜、到处都能用，去吃日常用量，而不是在每个榜单上抢头名。这版恰好把这个赌注的风险摆了出来：它确实更强，也确实更贵，只是贵在看不见的地方。
