Grok 4.7 对比 Grok 4.6：谁更强，是否值得升级？

Grok 4.7 对比 Grok 4.6，核心是评估取舍，而不是价格取舍：两者起步价同为每百万输入 token $2、每百万输出 token $6。新的高难度编程和知识工作优先用 Grok 4.7 试跑；已经验证的 Grok 4.6 流程先保留，直到 4.7 在交付结果、耗时和最终账单上胜出。

Grok 4.7 对比 Grok 4.6：该怎么选？

如果 Grok 4.6 会提前停下、漏掉跨文件依赖，或需要反复纠正，选择 Grok 4.7。如果现有 Grok 4.6 生产流程已能在预算内通过检查，就继续保留。新模型值得进入流量测试，但不是所有工作负载都必须迁移的理由。

不同读者的第一步也应有所区别：

• 资金充足、产品功能卡住的创业者，应先让 Grok 4.7 试做这个功能，因为 xAI 公布的最大提升集中在高难度、长流程任务上。
• 中型企业 CTO 应保持已经通过验证的 Grok 4.6 自动化不动，只把失败的任务类型送入受控的 4.7 评估。
• 负责研究、文档或演示材料的资深从业者，应比较最终被接受的交付物，而不是文字看起来是否更精致。
• 独立技术开发者可以让 4.7 攻克 4.6 未能完成的问题；只有结果通过同一套测试后，再将其升级为正式选择。

这是按工作负载做出的决策。同一家公司完全可以让 4.7 负责代码仓库工作，同时保留 4.6 处理稳定的抽取或分类流程。只有实测收益超过额外的运维复杂度，这套分流才值得。

Grok 4.7 真的更好吗？

就 xAI 在 2026 年九月 21 日公布的高难度编程和专业工作证据而言，是的；但它并不必然适合替换所有 Grok 4.6 部署。现有证据足以支持启动评估，却因两款模型采用了不同的推理档位，无法证明这是普遍适用的升级。

Grok 4.7 编程表现

胜者：Grok 4.7，但需注意这是厂商基准。 在 xAI 同期发布的对比中，采用 xHigh 的 Grok 4.7 在 CursorBench 4.0 上得分 46.3%，采用 High 的 Grok 4.6 为 40.4%，领先 5.9 个百分点。Terminal-Bench 4.0 的成绩分别是 38.0% 和 20.3%，差距为 17.7 个百分点；EEBench 则是 64.0% 对 53.0%，领先 11 个百分点。

这些差距与发布内容重点强调的任务一致：持续的代码仓库作业、终端操作和工程任务。但结果仍由厂商报告，而且 xAI 给 4.7 使用了更深的 xHigh 档位，4.6 则使用 High。增加推理可能提升质量，也会增加推理 token 和延迟。因此，这张图表应被视为测试 4.7 的理由，而不是对生产环境收益的受控估算。

知识工作的趋势也相同。xAI 报告称，在 AA Briefcase v1.1 上，Grok 4.7 与 Grok 4.6 的成绩分别为 1,657 和 1,546；GDPval 上则是 1,695 和 1,605。法律智能体成绩为 19.6% 对 15.8%，HealthBench Professional 为 56.7% 对 48.5%。这些数据全部来自九月 21 日的同一轮对比，因此没有把旧版基准混入这次正面对照。

不要把发布标题理解成速度承诺。页面称 Grok 4.7 的速度是同类模型的两倍，但正文明确写着，标准版 Grok 4.7 的服务速度与 Grok 4.6 相同。输出速度达到 2× 的选项属于单独的 Fast 服务档位，价格也更高。

直截了当地说，4.7 已经证明自己值得接受高难度任务测试，但还没有证明应当盲目进行全系统迁移。

哪些没有变化：访问方式、上下文、工具与推理

Grok 4.7 和 Grok 4.6 提供的集成接口几乎相同，因此大多数迁移风险来自行为差异，而不是基础 API 形态。两者都接受文本和图像输入、返回文本，支持函数调用和结构化输出，并拥有 500,000-token 上下文窗口。

Grok 4.7：当前旗舰模型

Grok 4.7 使用文档中的模型 ID grok-4.7。xAI 的实时模型页面将其定位于编程、智能体任务和知识工作；发布信息显示，它可通过公共 API、Cursor、Grok Build、第三方编程工具、模型路由器和云平台使用。

最适合： 4.6 无法完成的高难度编程和知识工作。
价格： 200K 以下，每百万 token 的新输入为 $2、缓存输入为 $0.50、输出为 $6。
明确限制： 不支持 Batch，Fast 版本也无法通过 xAI 公共 API 使用。
不适合： 已经稳定通过的 4.6 流程不存在代价高昂、亟待解决的失败。

它在 Responses API 中还有一个值得检查的集成细节：Grok 4.7 始终返回加密的推理内容，包括服务端工具生成的加密输出。客户端可以忽略该字段；但如果客户端手动维护对话状态，在连续性很重要时，就应原样保留这些推理项。

Grok 4.6：有文档支持的稳定基线

Grok 4.6 仍可通过 grok-4.6 使用。它的当前模型页面仍记录着相同的 500,000-token 窗口、相同的输入与输出模态，以及相同的核心函数调用、结构化输出和推理能力。

最适合： 已经能够通过明确验收门槛的稳定流程。
价格： 200K 以下，每百万 token 的新输入为 $2、缓存输入为 $0.50、输出为 $6。
明确限制： 在 xAI 当前的高难度任务对比中得分较低，继续使用也没有 token 费率折扣。
不适合： 反复出现的未完成工作，其成本已经超过一次受控迁移。

两款模型都支持 low、medium、high 和 xhigh 推理强度。xAI 的推理文档将 high 设为默认值，并说明推理无法关闭。共同的 high 档位是配对评估的公平起点。4.7 的 xHigh 运行应放在单独的测试通道中，因为它会同时改变质量、token 和延迟预算。

结论：接口兼容性平手，厂商当前推荐则是 Grok 4.7 胜出。 熟悉的接口降低了迁移难度，但参数兼容并不代表工具选择、输出 schema、停止行为或重试模式也会完全一致。

Grok 4.7 价格：费率相同，单项任务账单未必相同

Grok 4.7 与 Grok 4.6 的公共 API token 费率完全相同；该信息已于 2026 年九月 21 日对照 xAI 实时价格页面核实。提示词低于 200,000 token 时，两者每 1K 新输入 token 的价格均为 $0.002，每 1K 缓存输入 token 为 $0.0005，每 1K 输出 token 为 $0.006。

当提示词达到或超过 200,000 token，请求中的所有 token 都会切换到长上下文计费：每 1K 新输入 token 为 $0.004、每 1K 缓存输入 token 为 $0.001、每 1K 输出 token 为 $0.012。500,000-token 窗口代表容量，并不意味着可以毫无成本意识地携带不断膨胀的智能体历史记录。

表中各行来自精确的 token 算术，并非模型实跑结果。它们把计价因素单独固定下来，让模型行为决定比较结果。

这两款模型之间不存在 token 费率的交叉点，真正的分界线是完成的工作量：

cost per accepted task = total billed cost across all attempts / accepted tasks

如果两款模型每次尝试消耗的计费 token 相同，那么只要 4.7 提高任务通过率，其单位已完成任务成本就会更低。如果 4.7 因推理更久而花费更多，它提升任务通过率的比例就必须高于成本增幅。标价相同，并不能抵消额外推理、重试、工具循环或冗长输出带来的费用。

Fast 与优先处理选项需要单独设置预算：

• Grok 4.7 Fast 在提示词低于 200,000 token 时，每百万 token 的输入价格为 $4、缓存输入为 $1、输出为 $12。因此，100K 输入、25K 输出的示例成本为 $0.70。
• Grok 4.7 Fast 只能通过 Cursor 和 Grok Build 使用，无法通过 xAI 公共 API 使用；Grok Build 免费档位也不包含该服务。
• 提示词超过 200,000 token 时，xAI 的 Fast 详细价目表列出的每百万 token 价格为：输入 $6、缓存输入 $1.50、输出 $18。应采用这份公开费率，而不是一概套用固定倍数。
• 当响应确认使用优先服务档位时，公共 API 的 Priority Processing 会收取 2× 溢价。

两款模型目前都不支持 Batch API。推理 token 会计入用量，公共 API 工具还会产生另一项计费。Web Search 和 Code Execution 的价格均为每 1,000 次调用 $5。因此，评估日志需要记录响应中的用量和工具费用，不能只根据提示词长度估算。

此前的 Grok 4.5 评测解释了为什么 200K 门槛在长智能体循环中至关重要。同样的原则也适用于这里：及时压缩过时的历史记录，避免请求的 token 费率在不知不觉中翻倍。

胜者：只有有效交付率提高时，才是 Grok 4.7。 如果两款模型的通过率相同，Grok 4.6 因无需迁移而胜出。如果 4.7 能解决那些原本需要重试或人工修复的失败，它相同的 token 费率就会转化为经济优势。

切换成本来自运维，而不是合同

Grok 4.6 在稳定性这一项胜出，因为维持现状无需任何配置成本。Grok 4.7 则必须用收益覆盖行为验证、可观测性更新和安全回滚路径的投入。

更改模型 ID 前，请保留以下控制条件：

• 完全相同的提示词、系统策略、工具 schema、代码仓库快照、超时与重试策略。
• Schema 验证器、测试、lint、构建命令，以及所有人工验收清单。
• 每次尝试的新输入、缓存输入、推理、输出、工具调用和耗时记录，并分别统计。
• 重试或回滚前已经完成的副作用记录。重放一个只完成了部分步骤的任务，可能造成重复操作。
• 将旧模型 ID 保存在配置中，而不是埋进代码，以便单项工作负载无需回滚其他改动就能返回 4.6。

提示词兼容不等于行为兼容。结构化输出的 schema 可能仍能解析，却缺失必填字段；编程智能体可能调用同样的工具，却在测试之前停下；研究智能体也可能通过跳过验证来更快结束。即使 HTTP 请求成功，这些仍然属于回归问题。

Grok 4.7 的主要局限是证据无法直接迁移：xAI 的图表和一次浏览器重建，并不能说明它在你的代码仓库中会如何表现。Grok 4.6 的局限则正好相反：已知的稳定性无法解决它反复失败的那类任务。合理的分工，是保留已知基线，把更难的任务队列交给候选模型。

升级 Grok 4.6 前，先完成这项三任务测试

在候选模型获得生产流量前，应先让它在同一代码仓库的干净副本中通过三项小任务。这是小型工作流检查，不是通用基准。两款模型都使用 high 推理强度，其他控制条件保持完全一致；任何 4.7 xHigh 运行都应视为独立实验。

1. 1

   固定三项验收测试

   从同一代码仓库中选择一个曾经修复的 bug、一项小型跨文件功能和一次依赖迁移。在两款模型看到任务前先定义成功标准：目标回归测试通过、完整测试套件保持绿色、lint 与构建完成、指定文件发生预期改动，而且无关行为不受影响。

2. 2

   每次尝试都使用干净副本

   每组模型与任务的组合，都从干净工作副本中的同一 commit 开始。给两款模型相同的提示词、文件、工具、权限、超时和重试额度。不要让任何一款模型继承另一款模型的补丁或解释。

3. 3

   先运行共同档位

   调用 grok-4.7 和 grok-4.6，推理强度设为 high。记录返回的模型 ID、通过或失败、耗时、新输入与缓存输入、推理与输出用量、工具费用和计费金额。所有失败都必须保留在结果中。只有作为单独标记的试验时，才以 xhigh 运行 4.7。

4. 4

   按任务类型升级

   比较有效交付、耗时与总账单。只迁移 4.7 胜出的任务类型，保留 4.6 作为回滚值，并在提示词、工具或模型变化后重复检查。如果监控混合部署的成本低于实测收益，同时使用两款模型完全合理。

周一就可以这样开始：复现一个已知 bug，从上个月的工作中选一项跨文件功能和一次依赖更新。下周在干净副本中，让两款模型以 High 分别运行这三项任务；在内部结果表中公开每一次失败，只迁移那些在有效交付、耗时和实际账单上足以证明升级合理的任务类型。

常见问题

Grok 哪个版本最好用？

Grok 4.7 是 xAI 当前针对代码和通用工作的推荐选择。对于已经能够稳定完成的流程，在 4.7 赢得配对工作负载测试前，Grok 4.6 仍是更稳妥的运维选择。

Grok 4.6 好用吗？

好用。它拥有与 4.7 相同的 500,000-token 上下文窗口、核心工具能力、推理档位和标准 API 费率。其弱点是在 xAI 报告的最高难度编程与知识工作对比中表现较低。

目前最强的 Grok 模型是什么？

xAI 称 Grok 4.7 是其处理代码及其他任务能力最强的模型。因此它应成为优先评估的候选，但这并不能证明它在每个已经部署的工作流中都胜过 4.6。

Grok 有哪些版本？

xAI 除了通用的 Grok 模型，还维护专用的图像、视频和语音模型。针对这次编程与知识工作的决策，相关的文档模型 ID 是 grok-4.7 和 grok-4.6；不断变化的完整列表应以实时模型目录为准。

有比 Grok 更好的模型吗？

没有任何模型能在所有代码仓库、工具配置、延迟目标和质量门槛下都做到最好。应在相同任务和控制条件下，按单位成本的有效交付比较不同供应商，而不是把厂商基准当成通用排名。

Grok 的推理档位有哪些？

Grok 4.7 和 Grok 4.6 的推理强度档位为 low、medium、high 和 xhigh。默认值是 high，而且推理无法关闭。

Grok 有 18+ 模式吗？

这是消费级产品与安全模式的问题，不是这两个 API 模型 ID 之间的能力差异，不应成为 Grok 4.7 与 Grok 4.6 编程迁移的决策依据。

Grok 每月多少钱？

本文比较的 API 用量按 token 和可选工具调用计费，并非每款模型收取固定月费。消费级订阅、免费访问和 Grok Build 套餐的最新信息请参阅 Grok 免费吗？。

Grok 的全部模型有哪些？

随着 xAI 增加或淘汰模型变体，完整列表会不断变化，因此应以其实时目录为准。针对编程和通用知识工作，xAI 目前建议用户选择 Grok 4.7。

想直接拿到一套现成的编程智能体评估方案？订阅邮件简报，获取 Claude Code + Codex 配置清单。