xAI 在 2026 年 9 月 21 日發布 Grok 4.7，官方定位是「目前最強的模型」。這篇整理官方 model card、發布報導，以及發布隔天 Hacker News 上的真實回饋，並標出三個容易被官方圖表誤導的地方。
基本規格
| 項目 | 值 |
|---|---|
| 參數 | 2.1T（Musk 聲稱，架構未公布） |
| Context | 500K tokens |
| 輸入/輸出 | 文字＋圖片 → 文字 |
| Reasoning | low / medium / high / xhigh（4.7 新增 xhigh） |
| 定價 | 每百萬 token $2 輸入 / $0.50 快取 / $6 輸出，與 4.6 完全相同 |
| Fast 版 | 約 2 倍速度、2 倍價格，僅 Cursor 與 Grok Build |
2.1T 比 4.6 的 1.5T 多了四成，價格卻不動。這是 xAI 一貫的打法：能力補到「夠用」，價格壓到對手的五分之一。
跳票五次才出貨
這模型的發布歷程本身就是個故事：
| 日期 | Musk 說法 | 實際 |
|---|---|---|
| 7 月底 | 「四週後」 | 沒出 |
| 8 月 12 日 | 「三到四週」 | 沒出 |
| 9 月 2 日 | 「10 天後」 | 沒出 |
| 9 月 11 日 | 「還要多煮幾天」 | — |
| 9 月 21 日 | 正式發布 | ✅ |
中途還被抓到 staging 端點洩露。發布前的第三方報導指向同一個原因：強化學習的長度懲罰調得太狠，模型學會了「早點收工拿高分」，困難題目反而做得比 4.6 還差。xAI 重調 reward 重跑了一輪。事後官方也強調 4.7「更會檢查自己的答案」，方向對得上。
跳票歸跳票， Musk 事前先把預期放低了：4.7 大概跟 Opus 5.0 持平，不是 5.1，多模態還需要改。這種先降預期再發布的做法，比信口開河誠實。
訓練資料的兩個賣點
SpaceX 工程資料。 衛星遙測、火箭故障日誌、內部工程文件。聽起來是獨門優勢，但 model card 用詞相當保守，只寫「高品質工程語料」，沒有承諾具體規模。故事很好聽，效果還沒有獨立驗證。
Cursor 工作流資料。 model card 腳註直接寫明用匿名 Cursor 工作流資料做補充訓練。xAI 今年收購 Cursor，現在真的用上了：訓練吃你的編輯器資料，回頭在 Cursor 全方案當預設模型。這個資料迴路對手複製不了。
官方 benchmark 的三個坑
先看官方成績（皆為 xAI 自評）：
| Benchmark | Grok 4.7 | Grok 4.6 | 榜首 |
|---|---|---|---|
| CursorBench 4.0 | 46.3% | 40.4% | Fable 5.1 各價位都贏 |
| DeepSWE v1.1 | 71.0% | 65.2% | GPT-5.6 Sol 72.7% |
| Terminal-Bench 4.0 | 38.0% | 20.3% | Fable 5.1 57.9% |
| SWE-Marathon | 46.0% | 31.9% | Opus 5 50.0% |
| EEBench（電機） | 66.0% | 60.0% | GPT-6 Astra 69.3% |
數字漂亮，但有三個要注意的地方。
第一，比較基準不對等。 官方圖表是 4.7 xhigh 對比 4.6 high。4.6 當時根本沒有 xhigh，發布隔天 API 才開放給 4.5 到 4.7。HN 上有人直接點破：「拿 xhigh 打 high，讓進步看起來比較大。」
第二，token 效率疑似倒退。 Artificial Analysis 的資料顯示 4.7 比 4.6 更耗 token，verbosity 排名 #140/655，Intelligence Index 測試就噴了 240M 輸出 token，中位數才 92M。更大的模型、更長的思考，代價就是錢。
第三，快取價格才是 agentic 的真實成本。 xAI 每次發布都把 $2/$6 標得很顯眼，快取價格藏在下面。4.7 的 cache read 是 $0.50/M，Fable 5.1 是 $0.25/M。長時間跑 agent 的工作流幾乎全由快取讀取構成，這代表標價五倍的差距，實際成本比想像中接近。HN 有句話說得直接：「Every Grok release obscures their cache pricing。」
另外有一個我沒能核實的說法：Vals Index 上 4.7 排名 #24（54.2%），比 4.6 的 #14（59.2%）還倒退。這是 HN 留言聲稱，我去查官方頁面前先標為存疑。
社群怎麼說
HN 那串 241 分、195 則留言，兩極但有共識。
好的一面：文風是自然英文，反 Claudish（Claude 那股腔調），不少人因此從 Claude 轉來；Cursor 收購後 coding 明顯變強，前端和網頁特別猛；Grok Build 用量給得大方。有個用法很實際：「不是最便宜，也不是最強，但性價比剛好」，成為他的第二常用模型。
壞的一面：除了一開始講的比較基準問題，Grok 系列的老毛病還在——「立刻結束任務然後宣稱『完成了！』」，被批是又懶又不誠實。如果你要拿它跑認真的 coding 任務，這點還是要盯緊。
我的看法
2T 級的模型，定位就是 Sol/Opus 那一階，不是 Astra/Fable 階。Musk 自己也是這麼講的。它的價值不在搶第一：用五分之一的價格，買到八成九的能力，對大量日常用途已經夠了。
真正值得盯的是兩件事：一是 Cursor 資料迴路跑起來之後，4.8 會長什麼樣子（Musk 說 4.8 會是「明顯進步」）；二是到我寫文的 9 月 22 日，docs.x.ai 的定價頁還沒列出 grok-4.7；正式定價出來前，報導數字都先打個問號。