又一个大模型开始把竞争重点从“回答得更聪明”，转向“能不能把一件复杂工作真正做完”。
9月22日，马斯克旗下AI公司 SpaceXAI 正式发布新一代模型 Grok 4.7，重点瞄准编程、知识工作以及需要长时间持续执行的复杂任务。
SpaceXAI称，Grok 4.7采用了规模更大的基础模型，并进行了更长时间的强化学习训练，目前是公司最强的编码和知识处理模型。
价格则延续了上一代的低价策略：输入每百万Token 2美元，输出每百万Token 6美元。
按照官方说法，Grok 4.7在速度、价格和性能之间进行了重新平衡，并针对长时间编程任务进行了专门优化。
不只是“更大的模型”，而是让AI干活更久
与上一代Grok 4.6相比，Grok 4.7最明显的变化并不是简单增加模型参数，而是训练方式发生了变化。
SpaceXAI表示，新模型使用了更大的基础模型，同时接受了更长时间的强化学习训练。
训练数据也更加侧重那些需要数小时才能完成的复杂任务。
这其实对应着AI应用正在发生的一种变化。
早期的大模型主要解决的是“问一个问题，给一个答案”。
而现在的AI Agent和编程助手，需要处理的往往是一项完整工作：
分析需求、阅读代码、修改文件、运行测试、发现错误，再重新修改，最后提交结果。
这种任务最大的难点并不是某一个瞬间的推理能力，而是能否持续保持上下文，并在发现错误之后自己纠正。
SpaceXAI因此特别加强了Grok 4.7的自我验证和长上下文管理能力。
简单来说，就是让模型少一点“答完就算”，多一点“做完再检查”。
专门为编程Agent训练
Grok 4.7此次还针对 Grok Bot harness 进行了原生训练。
这意味着SpaceXAI并不是只把模型本身训练得更强，而是开始围绕“模型+工具+执行环境”进行整体优化。
对于编程场景而言，这一点尤其重要。
一个真正的AI程序员并不是只需要生成几段代码，而需要不断与开发环境交互。
例如：
读取代码 → 理解项目 → 修改代码 → 执行测试 → 分析报错 → 再次修改 → 验证结果。
因此，模型是否适合Agent运行环境，已经成为衡量编码模型的重要指标。
SpaceXAI表示，Grok 4.7在CursorBench 4.0测试中针对长时间运行的编程任务表现突出。
与此同时，Grok 4.7已经通过 Cursor、Grok Build 提供，并开放Grok API，可以接入第三方编程工具、模型路由服务和云平台。
这也意味着它不只是面向Grok聊天产品的模型，而是在直接争夺开发者的AI编程入口。
从写代码，到做“知识工作”
Grok 4.7的目标也没有停留在程序员群体。
SpaceXAI同时强化了模型在文档、演示文稿以及一般知识工作中的能力。
在GDPval和AA Briefcase两项测试中，Grok 4.7相比Grok 4.6均有所提升。
这两类测试的共同特点，是要求AI完成更加接近真实职业工作的任务，例如律师、护士、金融分析师等专业人士日常会处理的工作。
这背后其实透露出大模型竞争的一个重要方向：
AI公司的竞争对象正在从“聊天机器人”变成“数字员工”。
如果模型只能回答问题，那么参数规模和知识准确率可能是核心指标。
但如果模型开始承担实际工作，评价标准就会变成另外一套东西——
能不能理解任务？
能不能连续工作？
能不能调用工具？
能不能发现自己的错误？
能不能最终交付一个可以使用的结果？
Grok 4.7显然正在沿着这条路线走。
价格没有涨，输入2美元、输出6美元
Grok 4.7另一个值得关注的地方，是价格。
SpaceXAI给出的API价格为：
| 项目 | 价格 |
|---|---|
| 输入 | 2美元 / 百万Token |
| 输出 | 6美元 / 百万Token |
| 高速版本 | 输出速度翻倍，价格也翻倍 |
按照目前汇率计算，输入成本约为每百万Token 13.4元人民币，输出约40.2元人民币。
SpaceXAI甚至宣称，相比同类模型，Grok 4.7能够做到“速度更快、价格更低”。
不过，这类横向比较需要结合具体模型、Token计算方式以及实际任务负载来看，单纯比较API单价并不能完全反映实际使用成本。
对于Agent而言，真正重要的还包括一次任务到底需要调用多少次模型，以及模型是否能够减少反复尝试的次数。
便宜的模型，如果需要调用十次，未必比贵一点但一次完成的模型更省钱。
这也是Grok 4.7把“长时间任务能力”放在重要位置的原因之一。
安全也成为新模型的一部分
随着模型开始执行代码、网络安全研究甚至生物相关任务，AI安全已经很难再只是一个简单的“敏感词过滤器”。
SpaceXAI表示，Grok 4.7采用了新的安全防护体系，在拒答和抵抗越狱攻击方面达到公司目前测试中的最高水平。
在双重用途领域，SpaceXAI尤其强调“既不能什么都拒绝，也不能什么都放行”。
例如网络安全领域，合法的安全研究、漏洞验证和红队工作本身具有实际价值，但同样的技术也可能被用于攻击。
SpaceXAI公布的HackerBench v0.3测试显示，Grok 4.7仅有3.3%的高风险双重用途提示通过，同时尽量减少对合法安全工作的阻止。
在生物安全测试中，Grok 4.7在LatchBio基准上获得62.4%的成绩。
此外，SpaceXAI已经开始向部分网络安全合作伙伴提供邀请制访问，用于红队能力和防御研究。
Grok的竞争逻辑正在发生变化
从Grok 4到Grok 4.7，SpaceXAI正在逐渐改变自己的模型竞争方式。
过去，大模型之间更多是比较：
参数规模、知识能力、数学推理、代码能力和Benchmark成绩。
但到了Agent时代，单项Benchmark的重要性正在下降。
一个模型即使某个考试分数很高，如果让它连续工作几个小时就开始遗忘上下文、重复犯错，实际价值仍然有限。
因此，Grok 4.7此次反复强调的其实是三个关键词：
长时间任务、工具调用、自我验证。
这三项能力组合起来，指向的已经不是传统意义上的聊天机器人，而是能够持续执行任务的AI Agent。
从这个角度看，Grok 4.7真正值得关注的并不是“4.7”这个数字，而是SpaceXAI正在尝试把模型竞争从**“谁回答得更好”推进到“谁能把事情做完”**。
而这场竞争，接下来很可能会从模型公司进一步蔓延到Cursor、云平台、AI编程工具以及整个Agent基础设施市场。
