DataLearner 标志
GR

Grok 4.7

编程大模型GrokGrok 4.7

Grok 4.7

别名:grok-4.7

发布时间: 2026-09-21更新于: 2026-09-22浏览量: 174
在线体验GitHubHugging Face对比
模型参数
暂无数据
上下文长度
500K
多语言支持
暂无数据
推理能力
5/5

Grok 4.7 是 xAI 于 2026 年 9 月 21 日发布的旗舰编程与知识工作模型,基于更大的基座模型和更长的强化学习训练,API 模型名 grok-4.7,支持 500K 上下文、文本与图像输入、函数调用与 low/medium/high/xhigh 四档推理,输入价格 $2/百万 tokens 起。

数据优先来自官方发布(GitHub、Hugging Face、论文),其次为评测基准官方结果,最后为第三方评测机构数据。 了解数据收集方法

Grok 4.7

模型基本信息

推理过程
支持
思考模式
思考水平 · 高 (High) (默认)思考水平 · 低 (Low)思考水平 · 中 (Medium)思考水平 · 极高 (Extra-High)
上下文长度
500K tokens
最大输出长度
暂无数据
模型类型
编程大模型
输入/输出模态
文本、图像 → 文本
发布时间
2026-09-21
模型文件大小
暂无数据
MoE架构
未公布
总参数 / 激活参数
未公布 / 未公布
知识截止
暂无数据
Grok 4.7

开源和体验地址

代码开源状态
不开源
预训练权重开源
不开源
GitHub 源码
暂无
Hugging Face
暂无
在线体验
Grok 4.7

官方介绍与博客

官方论文
DataLearnerAI博客
暂无
Grok 4.7

API接口信息

接口速度
4/5
💡默认单位:$/100万 tokens。若计费单位不同,则以供应商公开的原始标注为准。
标准模式
类型适用条件输入输出
文本上下文长度 < 200000$2.00/ 1M tokens$6.00/ 1M tokens
文本上下文长度 >= 200000, 上下文长度 <= 500000$4.00/ 1M tokens$12.00/ 1M tokens
缓存定价Prompt缓存
类型有效期写入读取
文本-—$0.500/ 1M tokens
上下文长度 < 200000
文本-—$1.00/ 1M tokens
上下文长度 >= 200000, 上下文长度 <= 500000

表中「—」表示该模态在此方向不计费,或供应商未公开对应价格。

Grok 4.7

评测结果

Grok 4.7 当前已收录的代表性评测结果包括 Creative Writing(8 / 110,得分 2006.70)、MedScribe(5 / 66,得分 89.38)、Vibe Code Bench v1.1(8 / 61,得分 86.17)。 本页还汇总了参数规模、上下文长度与 API 价格,便于结合评测结果与部署约束一起判断模型适配度。

思考模式
工具使用

写作与创意表达

共 1 项评测
评测名称 / 模式
得分
排名/总数
Creative Writing
常规模式
2006.70
8 / 110

仓库修复与多文件工程

共 1 项评测
评测名称 / 模式
得分
排名/总数
DeepSWE
高工具
71
17 / 92

跨能力聚合指数

共 2 项评测
评测名称 / 模式
得分
排名/总数

跨行业工作评估

共 1 项评测
评测名称 / 模式
得分
排名/总数
GDPval-AA v2
高工具
1695
1 / 4

办公与文档流程

共 1 项评测
评测名称 / 模式
得分
排名/总数
AA-Briefcase
高工具
1657
1 / 3

法律

共 3 项评测
评测名称 / 模式
得分
排名/总数
47.12
9 / 42
Harvey Lab-AA
高工具
19.60
42 / 44
12.50
7 / 43

金融

共 3 项评测
评测名称 / 模式
得分
排名/总数
66.99
14 / 42
Tax Agent Bench
极高工具
65.60
10 / 20
Finance Agent v2
极高工具
52.25
25 / 43

自主开发与终端任务

共 3 项评测
评测名称 / 模式
得分
排名/总数
46.30
4 / 4
38
22 / 98

科学计算与科研编程

共 1 项评测
评测名称 / 模式
得分
排名/总数
14.30
9 / 18

临床工作与医疗决策

共 3 项评测
评测名称 / 模式
得分
排名/总数
MedScribe
极高工具
89.38
5 / 66
56.70
2 / 2
MedCode
极高工具
49.55
14 / 64

维护、优化与工程管理

共 1 项评测
评测名称 / 模式
得分
排名/总数
Code Migration
极高工具
44.82
13 / 43

程序生成与编辑

共 1 项评测
评测名称 / 模式
得分
排名/总数
86.17
8 / 61

算法与竞赛编程

共 1 项评测
评测名称 / 模式
得分
排名/总数
IOI (Vals v2)
极高工具
57.72
11 / 26

数学

共 1 项评测
评测名称 / 模式
得分
排名/总数
26
24 / 28

客服与业务流程

共 2 项评测
评测名称 / 模式
得分
排名/总数
65.63
12 / 26
SAGE
极高工具
40.79
41 / 64

科学知识与推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
MysteryMechanism
极高工具
25.23
9 / 13

和其他模型对比

Grok 4.7

发布机构

Grok 4.7

模型解读

Grok 4.7 是 xAI 于 2026 年 9 月 21 日发布的旗舰模型,面向编程与知识工作。官方称其构建在比 Grok 4.6 更大的基座模型上,使用更长的强化学习训练覆盖更难、更长周期的任务,并在自我验证和长上下文管理上做了改进;模型还原生理解 Grok Bot harness 的运行方式。DataLearner 当前机构目录沿用 xAI 名称,本条目按该目录归档。


接口规格与推理档位

官方开发者文档显示 API 模型名为 grok-4.7,上下文窗口为 500,000 tokens,接受文本与图像输入并输出文本,支持函数调用与结构化输出。推理强度通过 reasoning_effort 配置,提供 low、medium、high、xhigh 四档,默认 high。官方文档未公布知识截止日期与最大输出长度。


官方评测成绩

xAI 公布的成绩包括:CursorBench 4.0 46.3%(Grok 4.6 为 40.4%)、DeepSWE v1.1 高推理档 71.0%(Grok 4.6 为 65.2%)、Terminal-Bench 4.0 38.0%、电气工程评测 EEBench 64.0%(Grok 4.6 为 53.0%)、Harvey Legal Agent Benchmark 19.6%、HealthBench Professional 56.7%、GDPval 1695 Elo,以及 Artificial Analysis Briefcase v1.1 1657。官方未公布参数规模与训练数据细节。


安全与防护

xAI 表示 Grok 4.7 采用全新的防护栈,是其测试过的在拒答与越狱抵抗上表现最强的模型,在 LatchBio 生物安全评测上为 62.4%,在 HackerBench v0.3 上高风险提示的放行率为 3.3%,同时保持较低的正常请求误拒率。


价格与获取方式

API 按提示长度分段计价:提示不足 200K tokens 时输入 $2/百万 tokens、缓存输入 $0.5/百万 tokens、输出 $6/百万 tokens;提示达到或超过 200K tokens 时全部 token 按双倍费率计价(输入 $4、缓存输入 $1、输出 $12)。模型已在 Grok API、Grok Build、Cursor,以及第三方编程 harness、模型路由和云平台上提供。模型权重未开源。

Grok 4.7

常见问题

Grok 4.7 什么时候发布的?

xAI 于 2026 年 9 月 21 日正式发布 Grok 4.7,同日在 Grok API、Grok Build 和 Cursor 上线。

Grok 4.7 的上下文窗口和模态是什么?

官方开发者文档显示 API 模型名为 grok-4.7,上下文窗口 500,000 tokens,支持文本与图像输入、文本输出,并支持函数调用与结构化输出。

Grok 4.7 的价格是多少?

提示不足 200K tokens 时,输入 $2/百万 tokens、缓存输入 $0.5/百万 tokens、输出 $6/百万 tokens;提示达到或超过 200K tokens 时全部 token 按双倍费率计价($4/$1/$12)。

Grok 4.7 比 Grok 4.6 强多少?

官方给出的对比包括 CursorBench 4.0 从 40.4% 提升到 46.3%、DeepSWE v1.1 高档从 65.2% 提升到 71.0%、EEBench 从 53.0% 提升到 64.0%。

Grok 4.7 开源吗?

不开源。xAI 只通过 API 和合作平台提供该模型,未发布权重。

DataLearner 官方微信

欢迎关注 DataLearner 官方微信,获得最新 AI 技术推送

DataLearner 官方微信二维码