SpaceXAI 发布 Grok 4.7：面向长程编程与专业工作的强化学习模型，标准版 $2/$6 per M tokens

SpaceXAI今天推出 Grok 4.7，定位为用于编程和知识工作的旗舰模型。该模型基于比 Grok 4.6 更大的基础架构，通过更长的强化学习周期在复杂任务组合上训练，权重显著偏向需数小时完成的长程问题。核心改进包括更强的自我验证能力、长上下文管理及对 Grok Bot harness 的原生支持。定价为输入 $2/百万 token、输出 $6/百万 token，与 Grok 4.6 持平；另提供速度翻倍、价格翻倍的快速变体。现已上线 Cursor、Grok Build、Grok API 及第三方平台。

技术演进：从规模到耐力的范式转移

Grok 4.7 的训练策略标志着明确的方向调整：

• 更大基础模型：底层容量扩展支撑更复杂的推理链条
• 延长 RL 训练：强化学习运行时间显著增加，奖励信号聚焦于多步骤任务的最终正确性而非中间流畅度
• 困难任务偏重：训练分布向高难度样本倾斜，使模型习惯长时间自主工作而非快速给出近似答案
• 自我验证内化：将“检查自身输出”作为可训练行为，降低长链推理中的累积错误率
• Harness 原生集成：直接理解工具调用协议，减少编排层的语义损耗

这种设计哲学回应了 Agentic 编程的核心瓶颈：多数模型擅长单步补全，但在跨文件重构、多轮调试等需持续数小时的任务中迅速退化。Grok 4.7 试图将“耐力”本身变为可优化的参数。

基准表现：编程与专业工作的双轨验证

需注意：CursorBench 4.0 侧重“运行时间更长的编程任务”，这意味着评估的是 Agent 在真实 IDE 环境中的端到端成功率，而非孤立代码片段的语法正确性。GDPval 与 AA Briefcase 则验证模型在非编程专业场景的泛化能力——这对“知识工作”定位至关重要。

安全架构：两用领域的精细平衡

Grok 4.7 采用全新保障栈，在拒绝精度上实现关键突破：

• LatchBio 生物安全基准：62.4% 得分居首，证明在生命科学两用场景中能有效区分良性研究与危险请求
• HackerBench v0.3：仅 3.3% 高风险两用提示被放行，同时保持合法安全工作的低误拒率
• 红队能力开放：向精选网络安全合作伙伴提供仅限邀请的防御研究访问

这一设计的价值在于解决了长期困扰行业的“过度拒绝”问题：传统安全机制常因恐惧误放而阻断合法渗透测试或医学研究。Grok 4.7 通过更细粒度的意图识别，在安全性与实用性间取得工程化平衡。

定价与部署选项

接入渠道覆盖 Cursor（IDE 集成）、Grok Build（官方平台）、Grok API（直接调用）及第三方路由器/云平台。这种多渠道策略确保开发者无需迁移现有工具链即可切换模型。