SpaceXAI 于 2026 年 9 月 21 日推出 Grok 4.7，将其定位为公司目前面向编程和知识工作的最强模型。该公司表示，这一模型能够更长时间地处理困难任务，更仔细地核验自身输出，并且比 Grok 4.6 更好地管理更长上下文。该公司还表示，Grok 4.7 经过训练以理解 Grok Bot 运行框架，从而改进了对话任务和一般知识工作任务。
文章开篇将 Grok 4.7 介绍为 SpaceXAI 最新推出的、面向编程和知识工作的模型；这张官方发布宣传图直接点明了这一主题。
最明确的技术变化在于模型的训练重点。SpaceXAI 表示，它使用了更大的基础模型，并在更困难的任务上进行了更长时间强化学习训练，尤其是那些可能需要数小时才能完成的问题。这一点很重要，因为许多人工智能编程评估会奖励快速修复，而现实开发往往需要持续工作、上下文管理以及反复自我检查。
所提供的结果显示，Grok 4.7 在多个领域相较 Grok 4.6 取得明显提升。SpaceXAI 报告称，在 CursorBench 4.0 上得分为 46.3%，而 Grok 4.6 为 40.4%；在 DeepSWE v1.1 上为 71.0%，而 Grok 4.6 为 65.2%；在 EEBench 上为 64.0%，而 Grok 4.6 为 53.0%；在 AA Briefcase v1.1 上为 1,657 分，而 Grok 4.6 为 1,546 分。DeepSWE 结果被标记为高投入得分，因此不应将其视为默认设置下的逐项等价比较。
价格方面的说法同样具体：SpaceXAI 将 Grok 4.7 的输入价格列为每百万 token 2 美元，输出价格为每百万 token 6 美元，与其为 Grok 4.6 列出的数字相同，并称该模型以相同价格和速度提供服务。该公司还表示，另有一个更快的变体，其输出速度提高一倍，价格也提高一倍。这些是由发布方声明的商业条款，并非经过独立验证的市场测量结果。
现有证据不支持笼统宣称 Grok 4.7 击败所有前沿模型。在所提供表格中，Fable 5.1 在 CursorBench 上得分更高，GPT-5.6 Sol 在 DeepSWE 上得分更高，而 GPT-6 Astra 在 Terminal-Bench 和 HealthBench Professional 上得分更高。该资料包还缺少独立测试，因此最稳妥的结论范围更窄：SpaceXAI 将 Grok 4.7 呈现为 Grok 4.6 更强、更高效的继任者，并在部分长周期任务和专业工作基准测试中取得显著提升。