xAI 官方发布：Grok 4.7 基准分数与能力定位

一句话结论

xAI 在发布页把 Grok 4.7 定位为编码与知识工作模型，并自报 CursorBench 4.0、DeepSWE v1.1、EEBench 等分数；这些数字是 2026-09-22 打开原文时可见的厂商口径，本篇没有做独立复测。

适用场景

• 适合判断的任务：确认 xAI 如何描述 Grok 4.7 的产品定位、公开了哪些基准名称和分数、对照表使用了哪一档推理标签，以及列出的输入/输出 token 标价。

• 不适合外推的任务：把本页分数当作第三方复测；把标题中的速度和价格口号换成已测量的对照实验；把快速变体、Grok 4.6 或其他推理档位的结果并入 Grok 4.7 xHigh；在缺少样本量、harness 和评分脚本时比较胜率或成本效率。

• 适用的模型版本：正文主体是 Grok 4.7。对照表列头为 Grok 4.7 xHigh，DeepSWE 单元格另标 high effort。散点图另有 Grok 4.7 Extra High、High、Medium、Low。Grok 4.6 只出现在对照列和三张柱状图，档位标为 High / (high)。页面写有一个 “fast variant”，没有出现 “Grok 4.7 Fast” 这个名称，也没有给该变体任何基准分。

• 测试环境或客户端：统一测试 harness 未注明。可用性段落写明当天可在 Cursor、Grok Build、Grok API、第三方 coding harness、model router 和云平台使用。训练描述提到 Grok Bot harness，页面没有把它写成上述基准的运行环境。

• 推理档位和参数：只记录各表可见标签。温度、top-p、随机种子、上下文长度、最大输出、工具配置和样本量均为未注明。页面也没有给出 API model ID。

测评方法

这是一篇厂商发布说明。页面没有提供可独立重跑的协议，本篇只转写 2026-09-22 在原文中读到的声称和数字。

可见的设置只有这些：

• 主对照表的列头写明四个对象：Grok 4.7 xHigh、Grok 4.6 High、GPT-5.6 Sol Max、Fable 5.1 Max。

• 图注写明，Grok 4.7 的 DeepSWE 星号表示 high-effort 分数。该星号没有标在同列的其他基准上。

• CursorBench 4.0 散点图可在 Cost、Tokens、Steps 之间切换。每个点的无障碍名称给出模型、档位、分数，以及平均每任务成本、平均输出 token 或平均步数。

• 下方三张柱状图的页签是 Professional knowledge work、Multi-hour office work、Electrical engineering。共享图注把它们称为 GDPval、AA Briefcase 和 EEBench，比较对象是 Grok 4.7、Grok 4.6、Fable 5.1 和 GPT-6 Astra。

• 安全段点名 LatchBio 的 biosafety benchmark，以及 xAI 自称 “our benchmark” 的 HackerBench v0.3。

交互图上的成本、token、步数和柱状图分数会随页面更新。下文将这些读数标为 2026-09-22 快照。坐标轴刻度（例如 20%–55%、$0–$18、Elo 0–1500）是标尺，不是模型得分。

样本量、harness 名称与版本、题目清单、评分脚本、置信区间和评测运行日期均为未注明。

关键结果

厂商定位和未配测量表的声称：

• 页面称 Grok 4.7 是其最强的编码与知识工作模型，能在困难任务上工作更久，并更仔细地检查自己的输出。

• 标题与摘要写 “Twice as fast, at half the price of comparable models”。比较对象、速度单位和价格口径未注明。

• 正文写它以与 Grok 4.6 相同的价格和速度提供。对照表中两列标价同为每百万 token 输入 $2、输出 $6。页面没有给出 tokens/s 或延迟测量。

• 相对 Grok 4.6，页面称 Grok 4.7 使用了新的、更大的基座，强化学习跑得更长，任务组合更难并偏向多小时问题；自检和长上下文更好；并针对 Grok Bot harness 做了原生训练。这些句子没有参数量、上下文窗口或训练步数。

• 页面称 Grok 4.7 更擅长文档和演示，在 GDPval 与 AA Briefcase 上优于 Grok 4.6，并与其他前沿模型相当。

• 安全段称它使用全新 safeguard stack，在 xAI 自己测过的拒答和越狱抵抗上最强；在网络安全和生物等双用途领域，良性任务效用和危险请求拒答都领先。除下面两个数字外，没有公开对照分数。

• 定价段称还有一个 fast variant，输出速度为两倍，价格为两倍。页面没有写出该变体的 token 标价、速度测量值或基准分。

页面直接给出的官方分数，均缺样本量与 harness：

• CursorBench 4.0：对照表中 Grok 4.7 xHigh 46.3%、Grok 4.6 High 40.4%、GPT-5.6 Sol Max 41.7%、Fable 5.1 Max 51.8%。散点图把同一组 46.3% / 41.7% / 51.8% 标成 Extra High / Max / Max，并给出更多档位。

• DeepSWE v1.1：Grok 4.7 为 71.0%，页面明确标成 high effort；Grok 4.6 High 65.2%；GPT-5.6 Sol Max 72.7%；Fable 5.1 Max 70.0%。

• 主对照表还有 EEBench、AA Briefcase v1.1、Terminal-Bench 4.0、Harvey Legal Agent Benchmark、HealthBench Professional。

• 柱状图另给出 GDPval Elo，以及带 GPT-6 Astra (max) 的 AA Briefcase / EEBench 读数。GPT-6 Astra 不在主对照表和 CursorBench 散点图中。

• LatchBio biosafety benchmark：62.4%。页面没有解释该百分比的分子、分母或对照模型分数。

• HackerBench v0.3：页面称风险双用途提示中只有 3.3% 被放行，并称正当安全工作很少被拦截。正当请求的放行率未注明。

原始数据

1. 主对照表

列顺序与页面一致。Grok 4.7 列的列头是 xHigh；只有 DeepSWE 按图注改记为 high effort。其余单元格沿用列头档位。样本量、harness、评测日期均为未注明。

页面给这些行加的类别标签是：Software engineering、Electrical engineering、Multi-hour office work、Multi-hour terminal work、Legal work、Clinical reasoning。AA Briefcase v1.1 与后文柱状图使用 Elo 式大数，页面没有在对照表旁再解释单位。

定价段另写 “priced starting at” 每百万 token 输入 $2、输出 $6。fast variant 没有单独一行标价。

2. CursorBench 4.0 散点图（2026-09-22 快照）

图的无障碍名称是 “CursorBench 4.0 score by average cost / output tokens / steps per task”。点上可见的模型是 Fable 5.1、Opus 5、Grok 4.7、GPT-5.6 Sol、Sonnet 5。Grok 4.6 不在这张图上。Grok 4.7 没有 Max 点。每个点的样本量、harness、输入 token 和评测日期均为未注明。平均成本是每任务成本，与上一节的每百万 token 标价不是同一口径。

Grok 4.7 Extra High 的 46.3% 与对照表 Grok 4.7 xHigh 的 CursorBench 4.0 分数相同。页面同时使用了 Extra High 和 xHigh 两种写法，没有另给 API 参数名。

3. GDPval、AA Briefcase 与 EEBench 柱状图（2026-09-22 快照）

三张图的档位写法是 (xhigh)、(high)、(max)。样本量、harness 和评测日期未注明。柱状图用 GPT-6 Astra (max)，主对照表用 GPT-5.6 Sol Max；两套比较对象不要合并成一行。

办公图的无障碍名称是 “Multi-hour office work scores by model”，标签本身没有再印 “AA Briefcase v1.1”。1,657、1,546、1,678 与主对照表 AA Briefcase v1.1 的对应单元格一致。主对照表另有 GPT-5.6 Sol Max 的 1,487，柱状图没有这个点。

电气工程图的单位是 Accuracy。64.0%、53.0%、56.4% 与主对照表 EEBench 的对应单元格一致。主对照表另有 GPT-5.6 Sol Max 的 39.4%。柱状图上的 69.3% 属于 GPT-6 Astra (max)，不是 GPT-5.6 Sol。

GDPval 只出现在柱状图，不在主对照表中。

4. 安全数字

结论与边界

本页全部基准数字都是 xAI 发布稿中的官方结果。独立测量、第三方复跑日志和统计显著性均为未注明。不能把这篇发布稿写成 Grok 4.7 的独立复测。

版本要分开记：

• Grok 4.7 的主对照列是 xHigh，但 DeepSWE v1.1 的 71.0% 被单独标成 high effort。散点图还公开了 Extra High、High、Medium、Low 四档 CursorBench 结果，不能只用 46.3% 代表所有档位。

• 页面没有出现 “Grok 4.7 Fast”。fast variant 只有“两倍输出速度、两倍价格”这句话，没有基准分，也没有单独标价。散点图和对照表上的 Grok 4.7 分数不适用于这个变体。

• Grok 4.6 的公开档位是 High / (high)。它的 CursorBench 4.0 是 40.4%，与 Grok 4.7 任一档都不是同一个数。

比较对象也不止一套。主对照表和 CursorBench 散点图分别带入 GPT-5.6 Sol、Opus 5、Sonnet 5；三张柱状图带入 GPT-6 Astra，并拿掉 GPT-5.6 Sol。EEBench 上因此同时可见 GPT-5.6 Sol Max 39.4% 和 GPT-6 Astra (max) 69.3%，它们来自不同的对照集合。

价格和速度要按原句分开：

• 对照表支持“Grok 4.7 与 Grok 4.6 列表价格同为 $2 / $6”这一读法。

• “与 Grok 4.6 同速”“比同类模型快一倍、价格一半”以及 fast variant 的“两倍速度、两倍价格”都没有配速度表或点名比较对象。

• 散点图的平均每任务成本是 CursorBench 任务开销，不能换算成每百万 token 标价，也不能代表 fast variant。

安全结论停留在页面原句。62.4% 和 3.3% 没有样本量，HackerBench 被写成 xAI 自己的基准。邀请制红队访问不是公开分数。

动态图是 2026-09-22 的页面快照。文章发布日期是 2026-09-21。之后页面若更新散点或柱状图，以重新打开的原文为准。

复现说明

仅凭本页不能复现这些分数。页面未注明题目集版本、样本量、完整提示、harness、工具 schema、温度、随机种子、评分脚本、失败样本和置信区间，也没有 API model ID。

若以后另做复测，需要先固定当时的模型版本和推理档位，把 Grok 4.7 的 xHigh、high effort、Extra High、High、Medium、Low 以及 fast variant 分成不同运行；Grok 4.6 单独列表。本文件不提供这样一次复测的结果。