
Grok 4.7 ทำคะแนนได้ 46 บน Artificial Analysis Intelligence Index และทำให้ SpaceXAI อยู่อันดับสี่อันดับแรก
- Orcaใหม่OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 ต่อ 1 ล้านโทเค็น · 153 tok/s
- tencentใหม่Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 ต่อ 1 ล้านโทเค็น · 277 tok/s
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 89 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 98 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 119 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 197 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 115 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 ต่อ 1 ล้านโทเค็น · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
Grok 4.7 ทำคะแนนได้ 46 บน Artificial Analysis Intelligence Index และทำให้ SpaceXAI อยู่อันดับสี่อันดับแรก
Grok 4.7 เปิดตัวแล้ว SpaceXAI เปิดตัวมันเมื่อวันจันทร์ที่ 21 กันยายน 2026 — ในราคา $2 ต่อล้านโทเคนอินพุตและ $6 ต่อล้านโทเคนเอาต์พุตเท่ากับ Grok 4.6 พร้อมหน้าต่างบริบท 500,000 โทเคนเท่าเดิม จุดตัดความรู้ (knowledge cutoff) ที่ใหม่กว่า และระดับการให้เหตุผลสูงสุดระดับใหม่ ตอนนี้ใช้งานได้แล้วใน Cursor และ Grok Build ผ่าน API ของผู้พัฒนาเอง และผ่านแฮร์เนสการเขียนโค้ดของบุคคลที่สาม เราเตอร์โมเดล และแพลตฟอร์มคลาวด์ Grok 4.5 จากวันที่ 8 กรกฎาคม ยังคงอยู่ต่ำกว่าในฐานะตัวเลือกที่ถูกกว่า และโมเดลที่มันยังต้องเอาชนะยังคงเดิม: Claude Fable 5.1, Claude Opus 5 และ GPT-5.6 Sol ต่างอยู่เหนือมันบนดัชนี Intelligence Index v4.3.2 ของ Artificial Analysis โดยคะแนนอิสระครั้งแรกของ Grok 4.7 — 46 — อยู่สูงกว่า Grok 4.6 สองคะแนน และต่ำกว่า Claude Fable 5.1 เจ็ดคะแนน บนบอร์ด AA-Briefcase ของผู้ประเมินรายเดียวกันสำหรับงานองค์ความรู้ระยะยาว มันอยู่อันดับสี่ ตามหลังรายการ Claude สามรายการ และนำหน้า Claude Opus 5 ที่ xhigh effort ด้วยต้นทุนต่องานประมาณครึ่งหนึ่งของ Claude Opus 5 — ผลลัพธ์อิสระรายการแรกในรุ่นนี้ที่อ่านออกมาเป็นชัยชนะด้านราคาต่อประสิทธิภาพมากกว่าจะเป็นช่องว่าง สิบเอ็ดวันต่อมา ภาพรวมได้กว้างออกตรงขอบมากกว่าตรงกลาง: ตั้งแต่วันที่ 1 ตุลาคม มันได้ทยอยเปิดใช้งานภายในเว็บและแอปมือถือของ Grok เอง โดยที่ตัวเลือกโหมดตอนนี้ระบุชื่อมันในสองรายการที่ยากที่สุด และมันถูกแสดงบน OrcaRouter ในราคา $2/$6 ของ SpaceXAI เอง
นั่นคือการเปิดตัว ตัวเลขที่มีประโยชน์กว่ามาถึงในวันเดียวกัน จากผู้ประเมินรายเดียวในเรื่องนี้ที่ไม่ใช่ผู้ขาย: Artificial Analysis เผยแพร่การประเมินอิสระครั้งแรกต่อ Grok 4.7 และเป็นผลลัพธ์สามส่วน — 46 บน Intelligence Index ซึ่งนำ Grok 4.6 อยู่เพียงสองคะแนน, 56 บน Coding Agent Index ซึ่งนำอยู่เก้าคะแนน และ 1,657 Elo บน AA-Briefcase ซึ่งนำอยู่ 111 คะแนน ตัวเลขทั้งสามนี้ชี้ไปในทิศทางที่ต่างกัน และช่องว่างระหว่างตัวเลขเหล่านั้นคือสิ่งที่น่าสนใจที่สุดของการเปิดตัวครั้งนี้ สิ่งที่ตามมาคือสเปกที่วางจำหน่ายแล้ว ตาราง benchmark ของผู้ขายเองพร้อมป้ายกำกับที่แต่ละแถวต้องการ และจากนั้นคือคะแนนอิสระที่ตีความอย่างถูกต้อง — รวมถึงสิ่งที่คะแนนเหล่านี้บอกเกี่ยวกับข้อแม้ด้านความพร้อมที่ SpaceXAI ไม่เคยสะสาง
สิ่งที่ SpaceXAI เปิดตัวเมื่อวันที่ 21 กันยายน
เริ่มจากสเปกก่อน เพราะมันใกล้เคียงกับรุ่นก่อนหน้าอย่างผิดปกติ Grok 4.7 ตั้งราคาเท่ากับ Grok 4.6 ทุกประการ — 2 ดอลลาร์ต่อโทเคนอินพุต 1 ล้านโทเคน และ 6 ดอลลาร์ต่อโทเคนเอาต์พุต 1 ล้านโทเคน เมื่ออินพุตต่ำกว่า 200,000 โทเคน และจะขยับเป็น 4 ดอลลาร์สำหรับอินพุต และ 12 ดอลลาร์สำหรับเอาต์พุต เมื่อคำขอข้ามเกณฑ์ดังกล่าว ซึ่งเป็นโครงสร้างเดียวกับที่ Grok 4.6 เปิดตัวมา หน้าต่างบริบทอยู่ที่ 500,000 โทเคน จุดตัดข้อมูลความรู้คือเดือนพฤษภาคม 2026 ซึ่งช้ากว่าจุดตัดของ Grok 4.6 ที่วันที่ 1 กุมภาพันธ์ 2026 อยู่สามเดือน ระดับความพยายามในการให้เหตุผลมีสี่ระดับ — low, medium, high และ xhigh — และตัวเลขที่เผยแพร่จะอ้างอิงที่ระดับ xhigh ส่วนรุ่นเร็วทำงานด้วยความเร็วเอาต์พุตเป็นสองเท่าในราคาที่เป็นสองเท่า
เบื้องหลังนั้น xAI อธิบายถึงการเปลี่ยนแปลงสามอย่าง แทนที่จะเป็นสถาปัตยกรรมใหม่ โมเดลฐานมีขนาดใหญ่กว่าของ Grok 4.6 การรันการเรียนรู้แบบเสริมกำลังใช้เวลานานกว่า และให้น้ำหนักกับงานที่ต้องใช้เวลาหลายชั่วโมงจึงจะเสร็จ และโมเดลได้รับการฝึกให้ตรวจสอบงานของตัวเองและจดจำบริบทยาวได้ดีขึ้น รวมถึงความเข้าใจแบบเนทีฟเกี่ยวกับฮาร์เนสของ Grok Bot สรุปหนึ่งบรรทัดของบริษัทเองคือ "เร็วเป็นสองเท่า ในราคาครึ่งเดียวของโมเดลที่เทียบเคียงได้" — เป็นคำกล่าวอ้างด้านการวางตำแหน่งผลิตภัณฑ์เกี่ยวกับคู่แข่ง มากกว่าจะเป็นผลการวัด และควรอ่านในฐานะเช่นนั้น
การเปิดให้ใช้งานนั้นกว้างขวางตั้งแต่第一天 — ปรับให้เป็นธรรมชาติ: "การเปิดให้ใช้งานครอบคลุมกว้างขวางตั้งแต่แรกเริ่ม และได้ขยายออกไปอีกสองครั้งนับจากนั้น ตอนเปิดตัว: Cursor และ Grok Build, API ของผู้พัฒนารายนี้เอง, เครื่องมือเขียนโค้ดของบุคคลที่สาม, เราเตอร์โมเดล และแพลตฟอร์มคลาวด์; หน้าของ Grok Build ของ SpaceXAI เองตอนนี้ระบุตรง ๆ ว่าให้ "เริ่มสร้างด้วย Grok 4.7" เมื่อวันที่ 28 กันยายน Amazon Web Services ได้เพิ่มโมเดลนี้เข้าใน Amazon Bedrock ด้วยหน้าต่างบริบท 500,000 โทเคนเท่าเดิม และระดับความพยายามในการให้เหตุผลสี่ระดับเท่าเดิม โดยให้บริการผ่านโปรไฟล์การอนุมานข้ามภูมิภาค (cross-Region inference profiles) ดังนั้นโมเดลนี้จึงเข้าถึงได้ผ่านแค็ตตาล็อกของ hyperscaler เอง ไม่ใช่แค่ API ของผู้พัฒนารายนี้เท่านั้น จากนั้นในวันที่ 1 ตุลาคม มันเริ่มทยอยเปิดให้ใช้งานภายในเว็บและแอปมือถือสำหรับผู้ใช้ทั่วไปของ Grok และสองวันต่อมาก็ยังคงอยู่ที่จุดนั้น เรื่องหลังสุดนี้เงียบผิดปกติ: SpaceXAI ประกาศขั้นตอนที่เทียบเท่ากันสำหรับ Grok 4.5 ด้วยบล็อกโพสต์ชื่อ "Bringing Grok 4.5 to iOS, Android, Web, and X" และไม่ได้เผยแพร่อะไรเลยสำหรับ Grok 4.7 ดังนั้นการเปลี่ยนแปลงจึงเห็นได้จากตัวผลิตภัณฑ์มากกว่าจะมีการประกาศออกมา มันเป็นการเปลี่ยนแปลงฝั่งเซิร์ฟเวอร์มากกว่าการส่งออกเป็นเวอร์ชันใหม่ ซึ่งรายการในแอปสโตร์ยืนยัน: ทั้งรายการ iOS และ Android ของ Grok มีการอัปเดตเมื่อวันที่ 1 ตุลาคม — บิลด์บน App Store คือ 1.4.47 ที่วางจำหน่ายในวันนั้น และบันทึกการอัปเดตระบุเพียง "Improvements to Chat, Voice and Imagine" ขณะที่รายการบน Play ได้รับการอัปเดตในวันเดียวกัน การเปลี่ยนแปลงถูกผลักจากแบ็กเอนด์ แทนที่จะถูกสร้างไว้ในไบนารี เนื่องจากเป็นการรายงานการทยอยเปิดให้ใช้งานมากกว่าการจัดทำเอกสาร ขอบเขตที่แน่ชัดจึงยากที่จะระบุได้มากกว่าในกรณีของรายการบน Bedrock ซึ่งมีโพสต์ของ AWS ที่ระบุวันที่รองรับ และการรายงานก็คลาดเคลื่อนไปแล้ว: บัญชีที่ติดตามเรื่องนี้ตอนนี้อธิบายว่า Grok 4.7 เป็นโมเดลพื้นฐานในทุกโหมด — Fast, Expert, Build และ Heavy — ซึ่งเป็นรายการที่ไม่ตรงกับสิ่งที่ grok.com ให้บริการจริง ให้อ่านเป็นรายงานของกลุ่มผู้ติดตามเอง มากกว่าจะเป็นคำอธิบายจากผู้พัฒนา พาร์ตเนอร์ด้านความมั่นคงปลอดภัยไซเบอร์ที่ได้รับการคัดเลือกจะได้รับสิทธิ์เข้าถึงแบบเชิญเท่านั้น (invite-only) ต่อความสามารถด้าน red-team ของโมเดลนี้
ขอแก้ไขบันทึกหนึ่งจุดที่บทความนี้เก็บไว้ จำนวนพารามิเตอร์ที่แพร่สะพัดมาเป็นเวลาสองเดือน — ประมาณ 2.1 ล้านล้าน หรือสูงกว่าตัวเลข 1.5 ล้านล้านของ Grok 4.6 ราว 40% — ยังไม่ปรากฏอยู่ในเอกสารสเปกใด ๆ xAI ยังไม่ได้เผยแพร่จำนวนพารามิเตอร์สำหรับ Grok 4.7 และ Artificial Analysis ระบุขนาดของโมเดลว่าไม่เปิดเผย ตัวเลขนั้นเป็นเพียงคำกล่าวอ้างของผู้ก่อตั้งมาตลอด และการเปิดตัวก็ไม่ได้ทำให้มันกลายเป็นข้อมูลสเปก
ตารางเบนช์มาร์กเป็นของ xAI เอง — นี่คือสิ่งที่ไม่ใช่ของ xAI
ตัวเลขทุกตัวในรายการด้านล่างมาจากประกาศของผู้จำหน่าย และไม่มีส่วนใดที่ถูกทำซ้ำขึ้นมาโดยอิสระ โปรดอ่านโดยติดป้ายกำกับนี้ไว้: นี่คือตัวเลขของ xAI จากแบบประเมินที่ xAI เลือกเอง ซึ่งเผยแพร่ในวันเปิดตัว และสัปดาห์แรกของการเปิดตัวใด ๆ คือช่วงที่มาตรฐานวัดผลของผู้จำหน่ายเชื่อถือได้น้อยที่สุด คอลัมน์เปรียบเทียบก็เป็นของผู้จำหน่ายเองเช่นกัน — Grok 4.6 (high), GPT-5.6 Sol (max) และ Claude Fable 5.1 (max) โดยแต่ละตัวรันที่ระดับความพยายามที่ผู้จำหน่ายเลือกไว้
• CursorBench 4.0 — Grok 4.7 46.3%, Grok 4.6 40.4%, GPT-5.6 Sol 41.7%, Claude Fable 5.1 51.8% รายงานโดยผู้ขาย
• DeepSWE v1.1 — Grok 4.7 71.0% ที่ความพยายามสูง, Grok 4.6 65.2%, GPT-5.6 Sol 72.7%, Claude Fable 5.1 70.0% รายงานโดยผู้จำหน่าย
• Terminal-Bench 4.0 — Grok 4.7 37.6%, Grok 4.6 20.3%, GPT-5.6 Sol 37.3%, Claude Fable 5.1 57.9% เป็นตัวเลขที่ผู้จำหน่ายรายงาน และมีการแก้ไข: แถวของ Grok 4.7 เคยระบุไว้ที่ 38.0% ในตารางวันเปิดตัว และระบุเป็น 37.6% บนหน้าของผู้จำหน่ายในวันนี้
• EEBench — Grok 4.7 64.0%, Grok 4.6 53.0%, GPT-5.6 Sol 39.4%, Claude Fable 5.1 56.4% ตามที่ผู้ขายรายงาน
• Harvey Legal Agent — Grok 4.7 19.6%, Grok 4.6 15.8%, GPT-5.6 Sol 2.5%, Claude Fable 5.1 6.7% รายงานโดยผู้ขาย
• HealthBench Professional — Grok 4.7 56.7%, Grok 4.6 48.5%, GPT-5.6 Sol 60.5%, Claude Fable 5.1 62.1% รายงานโดยผู้จำหน่าย
• AA Briefcase v1.1 — Grok 4.7 1,657, Grok 4.6 1,546, GPT-5.6 Sol 1,487, Claude Fable 5.1 1,678 นี่คือแถวเดียวในตารางที่ไม่ได้มาจากฝั่งผู้จำหน่ายเพียงอย่างเดียวอีกต่อไป: กระดาน AA-Briefcase ของ Artificial Analysis เองก็เผยแพร่ค่า 1,657 เท่ากันสำหรับ Grok 4.7 ที่ระดับความพยายาม xhigh และ 1,546 สำหรับ Grok 4.6 ที่ระดับ high ส่วนคอลัมน์เปรียบเทียบยังคงเป็นรุ่นและระดับความพยายามที่ผู้จำหน่ายเลือกเอง
• GDPval Elo — Grok 4.7 1,695, Grok 4.6 1,605, GPT-6 Astra 1,542, Claude Fable 5.1 1,735. รายงานโดยผู้ให้บริการ
การอ่านข้อมูลชุดนั้นอย่างตรงไปตรงมาไม่ใช่ "Grok 4.7 ชนะ" มันเอาชนะ Grok 4.6 ได้ทั้งแปดข้อ ซึ่งเป็นขั้นต่ำที่รุ่นสืบทอดต้องทำให้คุณได้ เมื่อเทียบกับคู่แข่งทั้งหมด นี่เป็นผลลัพธ์ที่คละกันไป: นำหน้า GPT-5.6 Sol ใน CursorBench, Terminal-Bench และ EEBench แต่ตามหลังใน DeepSWE; ตามหลัง Claude Fable 5.1 ใน CursorBench, Terminal-Bench, HealthBench และการวัดแบบ Elo ทั้งสองแบบ แต่นำหน้าใน EEBench และการประเมินตัวแทนด้านกฎหมายของ Harvey นอกจากนี้ยังแสดงให้เห็นว่าผลการทดสอบมาตรฐานนั้นขึ้นอยู่กับระดับความพยายามมากแค่ไหน — 71.0% ของ DeepSWE เป็นตัวเลขที่ใช้ความพยายามระดับ high ภายในตารางที่ส่วนอื่นอ้างอิงที่ xhigh
ความปลอดภัยเป็นจุดเดียวที่คำกล่าวอ้างของผู้ขายมีความเฉพาะเจาะจงอย่างผิดปกติ xAI กล่าวว่า Grok 4.7 ถูกสร้างขึ้นบนชุดมาตรการป้องกันใหม่ทั้งหมด และเรียกมันว่าเป็นโมเดลที่แข็งแกร่งที่สุดที่บริษัทเคยทดสอบในด้านการปฏิเสธและการต้านทานการเจาะระบบ บนเกณฑ์มาตรฐานความปลอดภัยทางชีวภาพของ LatchBio รายงานไว้ที่ 62.4% ส่วนบน HackerBench v0.3 รายงานว่าปล่อยผ่านพรอมป์ต์ที่มีความเสี่ยงแบบ dual-use ไป 3.3% ในขณะที่แทบไม่บล็อกงานด้านความปลอดภัยที่ชอบด้วยกฎหมาย เหล่านี้เป็นการประเมินที่ผู้ขายรายงานเองบนรุ่นที่ผู้ขายเปิดตัวเอง และยังไม่มีบุคคลที่สามรายใดทำซ้ำผลลัพธ์เหล่านี้ได้
ตัวเลขชุดแรกในบทความนี้ที่ไม่ใช่ของผู้ขาย คือตัวเลขสามตัวที่ Artificial Analysis เผยแพร่เมื่อวันที่ 21 กันยายน และมันขัดแย้งกันเองในแบบที่บอกอะไรบางอย่างได้ บน Intelligence Index, Grok 4.7 ได้ 46 เมื่อใช้ xhigh effort บนสเกล v4.3.2 — อยู่อันดับ 16 บนลีดเดอร์บอร์ดนั้น — เทียบกับ 44 ของ Grok 4.6 การเพิ่มขึ้นสองจุดนั้นเป็นสิ่งที่ Artificial Analysis บอกว่าเพียงพอจะทำให้ SpaceXAI เข้าสู่สี่แล็บอันดับต้นของดัชนี อ่านตำแหน่งนี้ให้แม่นยำ: มันเป็นข้อความเกี่ยวกับโมเดลที่ดีที่สุดของแล็บหนึ่ง ไม่ใช่เกี่ยวกับโมเดลนี้ และตัวโมเดลเองก็ยังต่ำกว่า 50 ของ Claude Fable 5 อยู่สี่จุด และต่ำกว่า 53 ที่ Claude Fable 5.1 กับ GPT-6 Astra มีร่วมกันอยู่เจ็ดจุด การเพิ่มขึ้นสองจุดยังอยู่ภายในช่วงที่พบได้ระหว่างระดับ effort ของโมเดลเดียวกัน ซึ่งเป็นเครื่องเตือนใจว่าการที่รุ่นสืบทอดได้คะแนนสูงกว่ารุ่นก่อน ไม่ได้หมายความเหมือนกับการที่รุ่นสืบทอดเปลี่ยนสิ่งที่สามารถทำได้ ข้อสังเกตเพิ่มเติมในการอ่านตัวเลข: เวอร์ชันของสเกลสำคัญ เพราะ Artificial Analysis ได้ปรับฐานดัชนีของตนใหม่ และค่า 61/62/63 ที่ปรากฏในการรายงานส่วนใหญ่ของเดือนกรกฎาคมและสิงหาคมเป็นของสเกลก่อนเดือนกันยายน 2026 ที่เลิกใช้แล้ว — จึงเทียบกับค่าเหล่านี้ไม่ได้
ดัชนี Coding Agent Index คือตัวเลขตัวที่สอง และเป็นตัวที่ขยับ เมื่อรันในฮาร์เนส Grok Build ของ SpaceXAI เองที่ระดับความพยายาม xhigh Grok 4.7 ทำได้ 56 คะแนน เทียบกับ 47 ของ Grok 4.6 — เก้าคะแนน ไม่ใช่สองคะแนน — ซึ่งอยู่ในอันดับสี่ среди... ซึ่งอยู่ในอันดับสี่ในบรรดาโมเดลที่ประเมินในฮาร์เนสประจำตัวของตัวเอง เป็นรอง Claude Fable 5.1, GPT-6 Astra และ Claude Opus 5 และนำหน้า GPT-5.6 Sol ดัชนีนี้เป็นค่าผสมแบบถ่วงน้ำหนักเท่ากันของ DeepSWE v1.1, Terminal-Bench 4.0 และ SWE-Atlas-QnA จาก 303 งาน และองค์ประกอบทั้งสามต่างก็ดีขึ้น: DeepSWE จาก 65% เป็น 73%, Terminal-Bench จาก 18% เป็น 33%, SWE-Atlas-QnA จาก 58% เป็น 63% นี่เป็นหลักฐานอิสระชิ้นแรกว่าการแก้ไขที่ xAI อธิบายไว้ — การทำ reinforcement learning ที่ยาวนานขึ้นโดยถ่วงน้ำหนักไปที่งานที่ใช้เวลาหลายชั่วโมง — ได้ผลจริง และเป็นตัวเลขที่ทีมซึ่งกำลังเลือก coding agent ควรให้น้ำหนักมากที่สุด เพราะมันวัดกันในฮาร์เนสที่โมเดลจัดส่งออกมาด้วยจริง ไม่ใช่ตารางของเจ้าของผู้ขายเอง
ข้อควรระวังคือสิ่งที่เก้าคะแนนนี้ต้องแลกมา การรันของ Artificial Analysis เองสร้างโทเคนเอาต์พุต 240 ล้านโทเคนบน Intelligence Index เทียบกับค่ามัธยฐาน 94 ล้านโทเคนในบรรดาโมเดลที่มันติดตาม ซึ่งมากกว่าสองเท่า และประเมินต้นทุนของการประเมินงานหนึ่งงานบน Index ไว้ที่ $3.74 ด้วยราคา $6 ต่อโทเคนเอาต์พุตหนึ่งล้านโทเคน ความยาวของเอาต์พุตคือรายการต้นทุนที่ตัดสินว่า agentic loop นั้นจ่ายไหวหรือไม่ ดังนั้นการได้มาเก้าคะแนนด้วยเอาต์พุตมากกว่าสองเท่าของค่ามัธยฐานจึงเป็นการแลกเปลี่ยนจริง ไม่ใช่การอัปเกรดฟรี การวัดเดียวกันยังหมายความว่าคะแนนพาดหัวไม่ควรถูกอ่านเป็นคำตัดสินเดียว: เมื่อคิดต่อโทเคน ข้อได้เปรียบของ Grok 4.7 เหนือ Grok 4.6 นั้นน้อยกว่าที่ส่วนต่างของดัชนีชี้ให้เห็น และในการประเมินความรู้ทั่วไปซึ่งประกอบขึ้นเป็น Intelligence Index มันใกล้เคียงกับโมเดลเดิม แต่มีค่าใช้จ่ายสูงขึ้นอย่างมาก ผลลัพธ์ AA-Briefcase ในหัวข้อถัดไปเป็นข้อยกเว้นของเรื่องนั้น และเป็นข้อยกเว้นที่ใหญ่ทีเดียว

คณะกรรมการอิสระชุดที่สอง: AA-Briefcase และสิ่งที่ได้มาด้วยต้นทุนต่องานเพียงครึ่งเดียว
Artificial Analysis เผยแพร่ตัวเลขตัวที่สามสำหรับ Grok 4.7 ในวันเดียวกัน และนี่คือตัวเลขที่พูดถึงงานความรู้มากกว่าเรื่องโค้ด บน AA-Briefcase — กระดานของตัวเองสำหรับงานความรู้แบบเอเจนต์ที่มีขอบเขตยาวนาน ซึ่งสร้างจากสถานการณ์โครงการหลายสัปดาห์สี่แบบและผลงานที่ถูกให้คะแนน 91 ชิ้น — Grok 4.7 ที่ระดับความพยายาม xhigh ได้คะแนน 1,657 Elo อยู่อันดับสี่บนกระดาน และเป็นรองเพียงรายการของ Anthropic เท่านั้น: Claude Fable 5.1 ที่ระดับความพยายาม max (1,678), Claude Opus 5 ที่ระดับความพยายาม max (1,673) และ Claude Fable 5.1 ที่ระดับ xhigh (1,669) ห่างจาก Claude Opus 5 ที่ระดับความพยายาม max อยู่ 16 Elo และที่ระดับ xhigh นำหน้า Claude Opus 5 ที่ระดับ xhigh (1,649) อยู่ 8 Elo อ่านอันดับนี้ให้แม่นยำ: "เป็นรองเพียงโมเดลของ Anthropic" คือกรอบคำที่ Artificial Analysis เองใช้ และมันถูกต้อง — แต่อันดับสี่ไม่ใช่อันดับสอง และสามแถวที่อยู่เหนือขึ้นไปล้วนเป็นค่ายเดียวกัน
การเพิ่มขึ้นเมื่อเทียบกับรุ่นก่อนหน้าเป็นการขยับครั้งเดียวที่ใหญ่ที่สุดในการเปิดตัวครั้งนี้ เมื่อเทียบกับ Grok 4.6 ที่ high effort (1,546) แล้ว Grok 4.7 ที่ xhigh ได้เพิ่ม 111 Elo บน AA-Briefcase — มากกว่าห้าสิบเท่าของการเพิ่มขึ้น 2 จุดบน Intelligence Index Artificial Analysis ระบุว่าสาเหตุเกือบทั้งหมดมาจากคุณภาพการวิเคราะห์: 1,994 Elo ในด้านนั้น เทียบกับ 1,690 ของ Grok 4.6 ขณะที่คุณภาพการนำเสนอลดลงเล็กน้อย 1,499 เทียบกับ 1,519 นั่นเป็นลักษณะเด่นที่อ่านออกชัด: โมเดลให้เหตุผลเกี่ยวกับการวิเคราะห์ได้ดีขึ้น แต่จัดรูปแบบสิ่งที่ส่งมอบได้แย่ลงเล็กน้อย ทิศทางเดียวกันนี้ปรากฏในตัวเลขที่ Artificial Analysis อ้างถึงสำหรับ AA-Briefcase-Lite ซึ่งเป็นสถานการณ์ due-diligence สาธารณะที่เผยแพร่บน Hugging Face — คุณภาพการวิเคราะห์เพิ่มขึ้นจาก 1,698 เป็น 1,994 ส่วนการนำเสนอลดลงจาก 1,531 เป็น 1,499 ข้อควรระวังสองประการสำหรับการเปรียบเทียบนั้น AA-Briefcase-Lite เป็นเพียงตัวอย่างสาธิตอย่างชัดเจน: หน้าวิธีวิทยาของ Artificial Analysis เองระบุว่าสถานการณ์สาธารณะลำดับที่ห้า “ไม่นับรวมในผลลัพธ์ AA-Briefcase อย่างเป็นทางการ” และตัวเลขคุณภาพที่อ้างถึงนั้นตรงกับแถว xhigh ที่เผยแพร่บนกระดานหลัก ดังนั้นให้ถือย่อหน้าเกี่ยวกับ Lite เป็นภาพประกอบของทิศทางที่มุ่งไป มากกว่าจะเป็นกระดานคะแนนแยกต่างหาก
ประเด็นต้นทุนคือจุดที่ผลลัพธ์นี้เปลี่ยนการตัดสินใจ ตัวชี้วัดต้นทุนต่อภารกิจของ AA-Briefcase คือต้นทุนรวมในการรันการส่งงานทั้งหมดหารด้วย 91 ภารกิจของมัน; การนำยอดรวมที่เผยแพร่ของ Artificial Analysis มาหารออกจะได้ประมาณ $9.30 ต่อภารกิจสำหรับ Grok 4.7 ที่ xhigh เทียบกับประมาณ $17.79 สำหรับ Claude Opus 5 ที่ max effort — ประมาณครึ่งหนึ่ง สำหรับช่องว่าง 16 Elo บทสรุปของ Artificial Analysis เองเกี่ยวกับผลลัพธ์คือ Grok 4.7 อยู่ในอันดับ "ตามหลัง Opus 5 เพียงเล็กน้อยที่ ~50% ของต้นทุนต่อภารกิจ" นั่นคือการแลกเปลี่ยนแบบเดียวกับที่ส่วนที่เหลือของบทความนี้อธิบาย โดยมาถึงคำตอบเดียวกันจากทิศทางที่ต่างออกไป: Grok 4.7 ไม่ได้เอาชนะแนวหน้า แต่มันตัดราคาแนวหน้า ข้อแม้สองประการ ทั้งคู่ตรงไปตรงมา บิลโทเค็นเป็นเรื่องจริง — บน AA-Briefcase-Lite Artificial Analysis ประเมินต้นทุน API ในการสร้างเด็คตัวอย่างไว้ที่ประมาณ $8 สำหรับ Grok 4.7 ที่ xhigh เทียบกับประมาณ $4.40 สำหรับ Grok 4.6 ที่ xhigh ดังนั้นรุ่นสืบทอดมีต้นทุนสูงกว่ารุ่นที่มันมาแทนประมาณ 80% สำหรับงานเดียวกัน และตัวเลขต่อภารกิจคำนวณจากการใช้โทเค็นที่ราคาตามรายการ โดยใช้อัตราการแคชฮิตที่เป็นตัวแทน ดังนั้นจึงเปลี่ยนไปตามการแคชของคุณ: มันเป็นแบบจำลองของบิล ไม่ใช่บิลของคุณ
Grok 4.7 อยู่ตรงจุดไหนเมื่อเทียบกับ Grok 4.6 และคู่แข่งรายอื่นๆ
• ราคาต่อ 1M โทเคน — Grok 4.7 ขาเข้า $2 / ขาออก $6 เมื่ออินพุตต่ำกว่า 200K, $4/$12 เมื่อเกิน; Grok 4.6 เหมือนกัน
• หน้าต่างบริบท — 500,000 โทเค็นสำหรับทั้งสอง
• ข้อมูลความรู้ถึง — พฤษภาคม 2026 สำหรับ Grok 4.7 เทียบกับ 1 กุมภาพันธ์ 2026 สำหรับ Grok 4.6
• ความพยายามในการให้เหตุผล — low / medium / high / xhigh สำหรับ Grok 4.7 เทียบกับระดับที่ประกาศไว้ของ Grok 4.6
• คะแนนอิสระ — 46 ที่ความพยายามระดับ xhigh เทียบกับ 44 บนดัชนี Intelligence Index v4.3.2 ของ Artificial Analysis เพียงพอ Artificial Analysis กล่าว ที่จะทำให้ SpaceXAI อยู่ในสี่แล็บชั้นนำของดัชนี
• คะแนนการเขียนโค้ดแบบอิสระ — 56 เทียบกับ 47 บน Artificial Analysis Coding Agent Index โดยแต่ละโมเดลอยู่ในฮาร์เนสเนทีฟของตนเอง เป็นอันดับที่สี่ในบรรดาโมเดลที่ใช้ฮาร์เนสเนทีฟ แซงหน้า GPT-5.6 Sol
• คะแนนงานองค์ความรู้แบบอิสระ — 1,657 Elo ที่ระดับความพยายาม xhigh เทียบกับ 1,546 ของ Grok 4.6 ที่ระดับ high บนบอร์ด AA-Briefcase ของ Artificial Analysis อยู่ในอันดับสี่โดยรวม ตามหลังรายการของ Anthropic สามรายการ และนำหน้า Claude Opus 5 ที่ xhigh
• ค่าใช้จ่ายต่องาน AA-Briefcase — ประมาณ $9.30 เทียบกับประมาณ $17.79 สำหรับ Claude Opus 5 ที่ระดับความพยายามสูงสุด บนบอร์ดเดียวกัน คิดเป็นประมาณครึ่งหนึ่งของค่าใช้จ่ายต่องาน เพื่อแลกกับช่องว่าง 16 Elo
• โทเค็นเอาต์พุตต่อการรัน Index — 240 ล้าน เทียบกับค่ามัธยฐาน 94 ล้านในบรรดาโมเดลที่ Artificial Analysis ติดตาม การปรับปรุงนี้ไม่ได้มาฟรี
• การประเมินการเขียนโค้ดของผู้ให้บริการ — CursorBench 4.0 46.3% เทียบกับ 40.4%
• ความเร็วในการให้บริการ — ตัวเลือกแบบเร็วที่มีความเร็วเอาต์พุตเป็นสองเท่าในราคาสองเท่า เมื่อเทียบกับการให้บริการมาตรฐานของ Grok 4.6
• ความปลอดภัย — ชุดมาตรการป้องกันใหม่ พร้อมรายงานผล 62.4% บนเกณฑ์มาตรฐานความปลอดภัยทางชีวภาพของ LatchBio; ส่วน Grok 4.6 เปิดตัวโดยไม่มีข้ออ้างนั้น
และสนามเดียวกัน บนสกอร์บอร์ดเดียวกัน: Claude Fable 5.1 ที่ 53, Claude Opus 5 ที่ 51, GPT-5.6 Sol ที่ 47, Kimi K3 ที่ 44 คำทำนายของ Musk เอง — ว่า Grok 4.7 "น่าจะอยู่ในระดับพอ ๆ กับ Opus 5.0 ไม่ใช่ 5.1" — ตอนนี้มีตัวเลขรองรับแล้ว และตัวเลขนั้นก็ตกลงตรงจุดที่เขาบอกไว้: ต่ำกว่าชายแดนหน้า ไม่ใช่สูงกว่า ช่องว่างที่วัดได้กับ Claude Fable 5.1 คือเจ็ดคะแนน ส่วนช่องว่างด้านราคาวิ่งไปคนละทาง โดย Claude Fable 5.1 ตั้งราคาไว้ที่ $10/$50 ต่อล้านโทเคน เทียบกับ Grok 4.7 ที่ $2/$6 — คิดเป็นห้าเท่าของราคาอินพุต และมากกว่าแปดเท่าของราคาเอาต์พุต นั่นคือการแลกเปลี่ยนจริง ๆ ที่ทีมหนึ่งถูกขอให้ทำ และมันเป็นการแลกเปลี่ยนราคากับประสิทธิภาพ มากกว่าจะเป็นการชนะด้านความสามารถ AA-Briefcase เป็นบอร์ดเดียวในบทความนี้ที่ลำดับเปลี่ยนไป: ที่นั่น Grok 4.7 ที่ระดับ xhigh อยู่เหนือ Claude Opus 5 ที่ระดับ xhigh ด้วยคะแนน 1,657 ต่อ 1,649 แม้จะยังตามหลัง Opus 5 ที่ความพยายามระดับสูงสุด (max effort) ที่ 1,673 และตามหลัง Claude Fable 5.1 ที่ 1,678 นอกจากนี้ยังควรวางคะแนนอิสระทั้งสามไว้เคียงกันก่อนจะขีดเส้นแบ่ง เพราะมันไม่ได้ชี้ไปทางเดียวกัน: ตามหลังเจ็ดคะแนนด้านความฉลาดทั่วไป แต่นำ GPT-5.6 Sol บนดัชนีเอเจนต์เขียนโค้ด ห่างจากรุ่นก่อน 111 Elo ในงานเชิงความรู้ และจ่ายค่าที่ได้มาเหล่านั้นด้วยโทเคนเอาต์พุต ข้อเท็จจริงข้อใดในเหล่านี้จะเป็นตัวตัดสินทางเลือกของคุณ ขึ้นอยู่กับว่าภาระงานนั้นเป็นเอเจนต์เขียนโค้ด ชิ้นงานส่งมอบเชิงความรู้ หรือพรอมป์แชต และนั่นเป็นการแบ่งที่มีประโยชน์มากกว่าอันดับเพียงตัวเดียว
สิ่งที่ข้อมูลรั่วไหลเปิดเผยได้ถูกต้อง และอีกหนึ่งเรื่องที่พวกเขายังไม่ได้ข้อยุติ
หลักฐานที่ชิ้นงานนี้ติดตามมาตลอดจนถึงเดือนกันยายนเป็นของจริง และการเปิดตัวก็เปลี่ยนพวกมันให้กลายเป็นการทดสอบว่าหลักฐานประเภทนั้นมีค่าแค่ไหน นี่คือบัญชีรายการ
• พูลรีเควสแคตตาล็อกระบุราคาได้ถูกต้อง การส่งเมื่อวันที่ 21 กันยายนที่เพิ่ม Grok 4.7 เข้าไปในแคตตาล็อก Zen และ Go ของไคลเอนต์เอเจนต์โอเพนซอร์ส — เปิดเมื่อ 05:36 UTC ถูกปิดอัตโนมัติโดยบอทตรวจสอบด้าน compliance เมื่อ 07:46 UTC เนื่องจากขาดส่วนเทมเพลตของพูลรีเควส ไม่เคยถูก merge — ระบุโมเดลด้วยราคาที่ประกาศของ Grok 4.6 ปรากฏว่าถูกต้องแม่นยำ: $2/$6 ไม่เปลี่ยนแปลง แต่กลไกสำคัญกว่าผลลัพธ์ ผู้ร่วมสมทบคัดลอกราคาจากโมเดลที่อยู่เหนือขึ้นไป และการคัดลอกก็บังเอิญเป็นการเดาที่ถูกต้อง นั่นคือโชค ไม่ใช่ความน่าเชื่อถือ และการอ้างความสามารถของพูลรีเควสเดียวกันก็ไม่มีข้อมูลใดๆ เช่นกัน ข้อเสนออาจถูกต้องแต่ก็ยังไม่ใช่หลักฐาน
• ร่องรอยการจัดเตรียมนั้นมีอยู่จริง และไม่ใช่การเปิดตัว แถว grok-4.7 บนหน้าโควตาโมเดลของ Google Cloud Console ซึ่งถูกรายงานโดยผู้ติดตามความเคลื่อนไหวจากชุมชนเมื่อวันที่ 16–17 กันยายน และสลักบิลด์ grok-4-7-0907 ที่มีวันที่กำกับ ซึ่งโผล่ขึ้นมาในข้อผิดพลาดการตั้งค่าของ Grok Bot ต่างก็ชี้ไปที่โมเดลที่กำลังถูกเตรียมการ ไม่มีใครแนบวันที่ไว้กับทั้งสองสิ่งนั้น และทั้งสองสิ่งนั้นก็ไม่ใช่ประกาศเปิดตัว สิ่งที่สิ่งเหล่านี้ยืนยันก็คือ โครงสร้างพื้นฐานของบุคคลที่สามกำลังถูกจัดเตรียมให้พร้อม — ซึ่งเมื่อมองย้อนหลังแล้วก็แม่นยำ และก็ยังไม่ใช่กำหนดการอยู่ดี
• จำนวนพารามิเตอร์ไม่เคยได้รับการยืนยัน ประมาณ 2.1 ล้านล้าน สูงกว่า Grok 4.6 ประมาณ 40% ถูกพูดซ้ำโดย Musk เมื่อวันที่ 2 กันยายน — และยังคงไม่มีอยู่ในเอกสารข้อมูลจำเพาะทุกฉบับตอนเปิดตัว นี่เป็นกรณีที่ชัดเจนที่สุดในเรื่องราวทั้งหมดของตัวเลขที่ถูกเผยแพร่อย่างกว้างขวางพอที่จะถือเป็นข้อเท็จจริง ในขณะที่ไม่เคยมีแหล่งที่มาจากผู้ขาย

การ์ดด้านบนบันทึกสถานะก่อนเปิดตัว ณ เวลาที่บทความนี้ตรวจสอบล่าสุด: ไม่มีรหัสโมเดล ไม่มีวันวางจำหน่าย ไม่มีผลทดสอบประสิทธิภาพที่เผยแพร่ ทุกแถวบนการ์ดนั้นได้ถูกแทนที่ไปแล้วโดยประกาศเมื่อวันที่ 21 กันยายน และยังคงเก็บไว้ที่นี่เพราะช่องว่างระหว่างการ์ดนั้นกับโมเดลที่วางจำหน่ายจริงคือเรื่องราวที่แท้จริงของหกสัปดาห์ที่ผ่านมา — การเปิดตัวระดับแนวหน้าที่ไม่มีการยืนยันข้อมูลจำเพาะใด ๆ เลยจนถึงวันที่วางจำหน่าย
• ข้อแม้เรื่องความพร้อมคือคำถามที่ยังเปิดอยู่ และตอนนี้ก็มีหลักฐานบางส่วนแล้ว มัสก์กล่าวเมื่อกลางเดือนกันยายนว่า Grok 4.7 "จบงานก่อนกำหนด" ในงานที่มีความยากสูง และการตรวจคำตอบของมัน "ยังไม่เข้มงวดพอ" ซึ่งเขาให้เหตุผลว่าเกิดจากบทลงโทษในการเรียนรู้แบบเสริมกำลังสำหรับคำตอบยาวที่ตั้งไว้สูงเกินไป โดยกำกับด้วยคำว่า "อาจจะ" ประกาศเปิดตัวไม่ได้กล่าวถึงเรื่องนี้ วิธีแก้ที่ xAI ระบุไว้เป็นทางอ้อม: การเรียนรู้แบบเสริมกำลังที่นานขึ้นโดยให้น้ำหนักกับงานที่ใช้เวลาหลายชั่วโมง และการตรวจสอบตนเองที่ดีขึ้น เป็นการเปลี่ยนแปลงแบบเดียวกับที่คุณจะทำเพื่อจัดการกับการสิ้นสุดก่อนกำหนด ผลลัพธ์จาก Coding Agent Index เป็นสัญญาณแรกจากภายนอกว่ามันได้ขยับเข็ม — 56 เทียบกับ 47 ของ Grok 4.6 โดย Terminal-Bench 4.0 เกือบเพิ่มเป็นสองเท่าจาก 18% เป็น 33% ซึ่งเป็นปลายสุดของช่วงงานระยะยาวที่มีหลายขั้นตอนพอดี นี่ไม่ใช่คำตอบที่ชัดเจน เพราะคะแนนจากฮาร์เนสเดียวกันก็เป็นคะแนนที่ซื้อความก้าวหน้ามาด้วยจำนวนโทเคนเอาต์พุตที่มากขึ้นมากเช่นกัน การที่โมเดลยังคงทิ้งงานยาวที่ยากหรือไม่นั้น ใครก็ตามที่มีสิทธิ์เข้าถึง API สามารถทดสอบได้ และมันยังคงเป็นสิ่งแรกที่ควรค่าแก่การทดสอบ
• คลังข้อมูล SpaceX ยังไม่ได้รับการยืนยัน ข้อมูลเสริมการฝึกที่ถูกรายงาน — ข้อมูลเทเลเมทรีของ Starlink, บันทึกแรงดันห้องเผาไหม้ของ Raptor, ข้อมูลเทเลเมทรีการกลับเข้าสู่บรรยากาศของ Starship, เธรด Slack ภายใน, ตั๋ว Jira, ที่เก็บ GitHub และบันทึก ERP — เป็นการรายงานของชุมชนเกี่ยวกับสิ่งที่ Musk พูด ไม่ใช่การเปิดเผยของบริษัท ประกาศการเปิดตัวอธิบายโมเดลฐานที่ใหญ่ขึ้นและรอบการฝึกการเรียนรู้แบบเสริมกำลังที่ยาวนานขึ้น และไม่ได้กล่าวถึงคลังข้อมูลเลย หากมันอยู่ข้างในนั้น ไม่มีเอกสารข้อมูลจำเพาะใดจะยืนยันได้ หลักฐานเดียวจะเป็นว่าโมเดลทำอะไรบางอย่างในงานวิศวกรรมจริงที่โมเดลคู่แข่งทำไม่ได้หรือไม่
ไทม์ไลน์ที่พลาดไปสี่ครั้ง และสิ่งที่ตลาดคาดการณ์ถูกต้อง
Grok 4.7 ถูกสัญญาไว้ต่อสาธารณะบนไทม์ไลน์ห้าแบบที่แยกจากกัน และสี่ไทม์ไลน์แรกก็หมดอายุไปแล้ว วันที่ 24–25 กรกฎาคม มัสก์กล่าวว่าประมาณสี่สัปดาห์ ซึ่งหมายถึงวันที่ 22 สิงหาคม วันที่ 12 สิงหาคม เขาแก้ไขเป็น "3 ถึง 4 สัปดาห์" ซึ่งหมายถึงวันที่ 2–9 กันยายน วันที่ 2 กันยายน เขาปรับให้แคบลงเหลือราวสิบวัน ชี้ไปที่วันที่ 12 กันยายน วันที่ 11 กันยายน ซึ่งเป็นวันที่กรอบเวลานั้นหมดลง เขากล่าวว่า "อีกไม่กี่วัน" ครั้งที่ห้าไม่ใช่หน้าต่างเวลาเลย — แถว grok-4.7 บนหน้าโควตาของ Google Cloud — และเป็นครั้งที่ใกล้เคียงถูกต้องที่สุด: โมเดลเปิดตัววันที่ 21 กันยายน ไม่นานหลังจากวันสุดท้ายที่ใคร ๆ ได้ให้คำมั่นไว้ และโดยไม่มีวันที่แนบอยู่กับอาร์ติแฟกต์ที่มาก่อนหน้ามัน
ตลาดคาดการณ์ทายปฏิทินถูก แต่ทายโมเดลผิด คำถามของ Kalshi ที่ว่า “SpaceXAI จะเปิดตัว Grok 4.7 ก่อนวันที่ 18 กันยายนหรือไม่?” หยุดซื้อขายเมื่อเวลา 03:59 UTC ของวันที่ 18 กันยายน โดยราคาเปลี่ยนมือครั้งสุดท้ายอยู่ที่ 65¢ จากสัญญาที่ซื้อขาย 1,785 สัญญา และเปิดอยู่ 1,211 สัญญา สัญญาที่ชำระแล้วทุกสัญญาในตลาดหลักทั้งสองแห่ง — หน้าต่างวันที่ 14, 21, 28 และ 31 สิงหาคม และวันที่ 4, 8 และ 11 กันยายนของ Kalshi และสัญญาวันที่ 12 และ 14 กันยายนของ Polymarket — ตัดสินเป็น No คำถามของ Polymarket ที่ว่า “โมเดล Grok ตัวถัดไป (4.7 หรือสูงกว่า) จะเปิดตัวภายในวันที่ 18 กันยายนหรือไม่?” อยู่ที่ 64% เมื่อวันที่ 15 กันยายน หลังจากแกว่งระหว่าง 42% ถึง 88.5% ตลอดสิบเอ็ดวัน ตลาดถูกต้องที่สวนทางกับการพุ่งขึ้นซึ่งขับเคลื่อนด้วยทวีต และถูกต้องที่หน้าต่างวันที่ 18 กันยายนจะปิดลงโดยไม่มีอะไรเกิดขึ้น ตลาดคาดการณ์โมเดลเร็วไปสามวัน ซึ่งเป็นสิ่งเดียวที่สัญญาที่กำหนดวันที่ตายตัวไม่สามารถกำหนดราคาได้
ยอดวิวเหล่านั้นคุ้มค่าที่จะเก็บไว้เป็นบันทึกเพื่อการปรับเทียบ การนับถอยหลังวันที่ 2 กันยายนของมัสก์ที่ว่า "จะออกใน 10 วัน" ทำได้ 10.29 ล้านวิว และผิด ส่วนการถอยคำวันที่ 11 กันยายนของเขาทำได้ 2.05 ล้านวิว และก็ผิดเช่นกัน โพสต์โรดแมปวันที่ 13–14 กันยายนของเขาทำได้ประมาณ 1.99 ล้านวิว และใกล้เคียงกับความถูกต้องมากที่สุด — เขาอธิบาย Grok 4.8 ซึ่งเป็นโมเดลขนาดประมาณ 2.5 ล้านล้านพารามิเตอร์ที่ฝึกบนสแตก C++ ที่สร้างขึ้นใหม่ทั้งหมด ว่าเป็น "การปรับปรุงที่เห็นได้ชัด" เมื่อเทียบกับ Grok 4.7 ตลอดกระบวนการทั้งหมด ยอดรีชสะท้อนความมั่นใจ ไม่ใช่ความแม่นยำ
สองรายการในโรดแมปตอนนี้กลายเป็นคำถามที่ยังไม่มีคำตอบ มากกว่าจะเป็นการคาดการณ์ Grok 4.8 ไม่มี ID โมเดล ไม่มีราคา ไม่มีหน้าต่างบริบท และไม่มีรายการในผลทดสอบมาตรฐานที่ไหนเลย และกรอบความคิดที่ว่า Grok 4.7 ถูก "รีแบรนด์" เงียบ ๆ เป็น Grok 4.8 — ซึ่งเป็นการตีความของสำนักข่าวแห่งหนึ่งต่อกรณีที่ Musk เอ่ยชื่อ 4.8 ขณะที่ 4.7 ยังล่าช้า — กลับถูกคลี่คลายไปในทางตรงกันข้าม: 4.7 เปิดตัวในชื่อ 4.7 อยู่ที่ 46 บน Index เทียบกับ 44 ของ Grok 4.6 ซึ่งเป็นการเพิ่มขึ้นของรุ่นสืบทอด ไม่ใช่การเปิดตัวใหม่
สิ่งนี้หมายความว่าอย่างไรสำหรับทีมที่เรียกใช้ Grok ในวันนี้
ภาพเชิงปฏิบัติเปลี่ยนไปเมื่อวันที่ 21 กันยายน และมันเปลี่ยนไปในแบบที่ดราม่าน้อยที่สุดเท่าที่จะเป็นไปได้: มี model ID ใหม่ในราคาเดิม หน้าต่างบริบทเท่าเดิม Index เพิ่มขึ้นสองจุด coding-agent เพิ่มขึ้นเก้าจุด และงานความรู้เพิ่มขึ้น 111 จุด การเปลี่ยนแปลงสองอย่างนับจากนั้นสำคัญกว่าที่เห็น Grok apps ตอนนี้ส่งโมเดลถึงผู้ใช้ทั่วไป ไม่ใช่แค่ถึงนักพัฒนา และแคตตาล็อกฝั่งนี้ก็จัดอยู่ในรายการแล้ว — เมื่อรวมกันแล้ว สิ่งเหล่านั้นเปลี่ยน routing layer ที่อธิบายไว้ตอนท้ายของบทความนี้จากแผนให้กลายเป็นค่าเริ่มต้น ถ้า cost model ของคุณสร้างบน Grok 4.6 ที่ $2/$6 ราคาต่อโทเคนก็ยังถูกต้องสำหรับ Grok 4.7 — แต่จำนวนโทเคนไม่ถูกต้อง การรันของ Artificial Analysis เองเผาโทเคนเอาต์พุต 240 ล้านโทเคนบน Intelligence Index เทียบกับค่ามัธยฐาน 94 ล้านในบรรดาโมเดลที่มันติดตาม ดังนั้นคำขอเดียวกันอาจมีค่าใช้จ่ายสูงกว่าสองเท่าขึ้นไปได้ แม้อัตราค่าบริการจะเหมือนกันทุกประการ ซึ่งเป็นการเปลี่ยนแปลงแบบที่ไม่เคยปรากฏในตารางราคา ให้ตั้งราคา agentic loop จริงบนโทเคนเอาต์พุต ไม่ใช่บนอัตราต่อล้าน ก่อนที่คุณจะสรุปว่ารีลีสนี้ฟรี ถ้าเหตุผลที่คุณจะสลับคือพรมแดนราคาต่อประสิทธิภาพที่ผู้ขายอ้าง หลักฐานที่แข็งแรงที่สุดสำหรับเรื่องนั้นตอนนี้คือ AA-Briefcase ไม่ใช่ตารางของผู้ขาย: อันดับสี่บนบอร์ดนั้นด้วยต้นทุนต่องานประมาณครึ่งหนึ่งของ Claude Opus 5 เมื่อเทียบกับช่องว่าง Intelligence Index เจ็ดจุดกับ Claude Fable 5.1 และช่องว่างราคาที่ต่างกันห้าเท่าในทางตรงกันข้ามสำหรับอินพุต และมากกว่าแปดเท่าสำหรับเอาต์พุต และถ้าเวิร์กโหลดของคุณเป็น coding agent โดยเฉพาะ กรณีนี้แข็งแรงกว่าที่ Index บ่งชี้: 56 บน Coding Agent Index ในฮาร์เนส Grok Build ซึ่งนำหน้า GPT-5.6 Sol อยู่คนละลีกกับ 46 บนความฉลาดทั่วไป สิ่งใดในนั้นสำคัญกว่ากันขึ้นอยู่กับเวิร์กโหลดของคุณทั้งหมด และไม่มีใครนอก SpaceXAI ที่ได้รัน Grok 4.7 กับเวิร์กโหลดของคุณ
บน แค็ตตาล็อกของ OrcaRouter ไลน์ Grok ตอนนี้ให้บริการ Grok 4.7 ควบคู่กับ Grok 4.6, Grok 4.5 และ Grok 4.3 โดยคิดตามราคาป้ายของผู้ให้บริการโดยบวกกำไร 0% — 2 ดอลลาร์ต่ออินพุต 1 ล้านโทเคน และ 6 ดอลลาร์ต่อเอาต์พุต 1 ล้าน การอ่านอินพุตแบบแคชอยู่ที่ 0.50 ดอลลาร์ และอัตราก้าวเดียวกันไปที่ 4 ดอลลาร์ขาเข้าและ 12 ดอลลาร์ขาออกเมื่อคำขอข้าม 200,000 โทเคนอินพุต ซึ่งเป็นสิ่งที่ SpaceXAI เรียกเก็บ นั่นคือสิ่งที่การส่งต่อตารางราคาแบบไม่แตะต้องให้: ราคาต่อโทเคนในโมเดลต้นทุนของคุณคือราคาต่อโทเคนบนใบแจ้งหนี้ของคุณ และทุกโมเดลในตระกูลใช้คีย์เดียว ดังนั้นการย้ายเวิร์กโหลดจาก Grok 4.6 ไปยัง Grok 4.7 จึงเป็นการเปลี่ยนสตริง ไม่ใช่สัญญาฉบับที่สอง หน้านั้นมีหน้าต่างบริบท 500,000 โทเคน และอินเทอร์เฟซที่เข้ากันได้กับ OpenAI แบบเดียวกัน — Chat Completions และ Responses — ที่การผสานรวม Grok 4.6 กำหนดเป้าหมายไว้แล้ว

เลเยอร์การจัดเส้นทางนั้นยังเป็นวิธีที่มีความเสี่ยงต่ำในการประเมินโมเดลที่ตัวเลขอิสระของมันออกมาในวันเดียวกับของผู้ขายด้วย รายการเบนช์มาร์กข้างต้นยังคงเป็นของผู้ขายเอง — การประเมินที่มันเลือก ระดับความพยายามที่มันเลือก คอลัมน์เปรียบเทียบที่มันเลือก — และไม่มีสักอย่างที่ถูกทำซ้ำ สิ่งที่เปลี่ยนไปคือคะแนนสามตัวจาก Artificial Analysis ไม่ใช่ของผู้ขาย ดังนั้นคำถามจึงย้ายจาก "ทั้งหมดนี้เป็นของจริงหรือไม่" ไปเป็น "ผลลัพธ์ตัวไหนที่ภาระงานของฉันดูคล้าย" — ตัว 46 ที่บอกว่าอยู่ระดับกลาง ๆ ในด้านปัญญาทั่วไป ตัว 56 ที่บอกว่าเป็นที่สี่ในหมู่เอเจนต์เขียนโค้ดแบบ harness เนทีฟ หรือตัว 1,657 ที่บอกว่าเป็นที่สี่ในงานความรู้ด้วยต้นทุนต่องานเพียงครึ่งหนึ่งของแนวหน้า และตัวเลขที่ตัดสินความคุ้มทุนไม่ใช่เบนช์มาร์กเลย แต่เป็นจำนวนโทเคนเอาต์พุตที่การรันหนึ่งครั้งใช้ไป ซึ่งมีเพียงทราฟฟิกของคุณเองเท่านั้นที่ตีราคาได้ — 240 ล้านต่อการรัน Index หนึ่งครั้งจากการวัดของ Artificial Analysis เทียบกับค่ามัธยฐาน 94 ล้าน และประมาณ $8 เทียบกับ $4.40 ต่อชุดสไลด์ตัวอย่างในฉากทัศน์ AA-Briefcase-Lite สาธารณะของมัน การสลับสำรองอัตโนมัติช่วยให้คุณชี้ทราฟฟิกจริงไปที่โมเดลใหม่ และถอยกลับไปยังผู้ให้บริการที่ยังตอบสนองได้ หากค่าทОкенหรือพฤติกรรมการทิ้งงานก่อนกำหนดออกมาแย่กว่าที่โฆษณาไว้ — ซึ่งเป็นความแตกต่างระหว่างการทดสอบโมเดลที่ยังไม่ผ่านการพิสูจน์ กับการเดิมพันไปป์ไลน์ทั้งเส้นกับมัน
วิธีรู้ก่อน (การตรวจสอบที่ได้ผล)
ส่วนนี้เคยเป็นรายการสัญญาณที่ต้องจับตาระหว่างรอ ตอนนี้การรอสิ้นสุดลงแล้ว จึงขอนำรายการเดิมมาให้คะแนนเทียบกับสิ่งที่เกิดขึ้นจริง
• รายการโมเดลคือการยืนยัน และมันก็เปลี่ยนแปลงไป เป็นเวลาหกสัปดาห์ที่คำแนะนำในบทความนี้คือให้จับตาดูรายการโมเดลของผู้ขายแทนที่จะดูทวีต เพราะทันทีที่ Grok 4.7 เป็นจริง รายการก็จะได้รับ model ID พร้อมราคาและหน้าต่างบริบทมาด้วย นั่นคือสิ่งที่เกิดขึ้น: ตอนนี้ grok-4.7 ปรากฏขึ้นพร้อมหน้าต่างบริบท 500K, ราคา $2/$6 สำหรับอินพุตต่ำกว่า 200K และ $4/$12 สำหรับอินพุตที่สูงกว่านั้น, วันตัดความรู้ พฤษภาคม 2026 และระดับความพยายามสี่ระดับ ทุกช่วงเวลาของ Musk ทุกข้อโต้แย้งเรื่องจังหวะ และทุกวันสำคัญของตลาด ต่างล้มเหลวที่จะทำให้รายการนั้นขยับ; การเปิดตัวต่างหากที่ทำให้มันขยับ
• แค็ตตาล็อกของบุคคลที่สามนำมาก่อนการประกาศ และสิ่งเหล่านี้เป็นข้อเสนอ ไม่ใช่การปรับใช้จริง พูลรีเควสต์แค็ตตาล็อกวันที่ 21 กันยายนเป็นตัวอย่างที่ชัดเจนที่สุดของเรื่องนี้จนถึงตอนนี้ และการปิดพูลรีเควสต์นั้นให้บทเรียนว่า ผู้ร่วมสมทบเตรียมไว้สำหรับโมเดลตัวหนึ่ง อีกสองชั่วโมงต่อมาบอตปิดการเปลี่ยนแปลงนั้นเนื่องจากส่วนเทมเพลตที่ขาดหายไป และโมเดลก็เปิดตัวสองวันหลังจากนั้น จงอ่านชิ้นงานประเภทนั้นว่าเป็นเจตนาพร้อมประทับเวลา มันอยู่ต้นน้ำของการประกาศจริง ๆ และไม่ใช่ความพร้อมใช้งาน
• จับตาดูแคตตาล็อกโมเดล OrcaRouter ตอนนี้มันย้ายไปแล้ว ตลอดทั้งเดือนกันยายน คำแนะนำในบทความนี้คือหน้าโมเดล grok-4.7 บน orcarouter.ai จะเป็นสัญญาณ "คุณสามารถเรียกใช้มันได้วันนี้ผ่านเรา" เพราะโมเดลจะถูกแสดงรายการก็ต่อเมื่อผู้ให้บริการได้นำมันเข้าสู่ระบบแล้วเท่านั้น ตอนนี้แคตตาล็อกมี Grok 4.7 ในอัตราของผู้ขายโดยไม่บวกเพิ่ม ดังนั้นการตรวจสอบที่ผู้อ่านได้รับคำแนะนำให้ทำจึงมีคำตอบ: มันสามารถเรียกใช้ผ่าน API เดียวได้แล้ววันนี้
• ในแง่การเข้าถึงของผู้บริโภค ตอนนี้แอป Grok ได้นำ Grok 4.7 ไปแสดงต่อผู้ใช้ที่จะไม่มีวันเปิดคอนโซล API เมื่ออ่านอีกครั้งในวันที่ 2 ตุลาคม ข้อมูลตัวเลือกที่ grok.com ส่งให้ผู้เยี่ยมชมที่ยังไม่ได้ล็อกอินยังคงระบุชื่อโมเดลในสองจากสี่รายการ ได้แก่ Expert แสดงข้อความว่า "คิดอย่างหนัก · Grok 4.7" และ Heavy แสดงว่า "ทีมผู้เชี่ยวชาญ · Grok 4.7" ขณะที่ Fast ซึ่งเป็นโหมดที่แอปเปิดขึ้นมาโดยค่าเริ่มต้น มีคำอธิบายเพียงว่า "ตอบกลับรวดเร็ว" และ Auto ว่าเป็นการเลือกระหว่าง Fast กับ Expert ทั้งสี่รายการได้แก่ Auto, Fast, Expert และ Heavy Build ไม่ได้เป็นหนึ่งในนั้น: Grok Build เป็นผลิตภัณฑ์เทอร์มินัลแยกต่างหากบนหน้าของตัวเอง และหน้านั้นคือที่มาของ Build สำหรับโมเดลจริง ๆ โดยบอกผู้เยี่ยมชมว่า "ติดตั้งตอนนี้และเริ่มสร้างด้วย Grok 4.7" ดังนั้น คำกล่าวอ้างที่แพร่กระจายเมื่อวันที่ 1 ตุลาคมและถูกพูดซ้ำเมื่อวันที่ 2 ตุลาคม — ว่า Grok 4.7 ตอนนี้เป็นโมเดลฐานใน "Fast, Expert, Build และ Heavy" — ได้ระบุโหมดที่แอปไม่ได้ให้บริการ และละเว้นโหมดที่แอปเปิดเป็นค่าเริ่มต้น และนี่เป็นการตีความของเหล่าแทร็กเกอร์มากกว่าของผู้ให้บริการ เพราะ SpaceXAI ไม่ได้โพสต์อะไรเกี่ยวกับการเปิดตัวนี้เลย การอัปเดต Grok 4.5 ที่เทียบเท่ากันมีบล็อกโพสต์ของตัวเอง ส่วนครั้งนี้มีผลิตภัณฑ์ที่เปลี่ยนไปอย่างเงียบ ๆ ภายใต้หน้าข่าวที่ไม่ได้เปลี่ยน
สถานการณ์ปัจจุบัน
Grok 4.7 เปิดตัวเมื่อวันที่ 21 กันยายน 2026 ในราคา 2 ดอลลาร์ต่อล้านโทเค็นอินพุต และ 6 ดอลลาร์ต่อล้านโทเค็นเอาต์พุต พร้อมหน้าต่างบริบท 500,000 โทเค็น และจุดตัดความรู้เดือนพฤษภาคม 2026 สิ่งที่เปลี่ยนไปในสิบเอ็ดวันนับจากนั้นคือแผนที่ความพร้อมใช้งานมากกว่าตัวโมเดล: Amazon Bedrock เพิ่มมันเมื่อวันที่ 28 กันยายน มันเริ่มทยอยเปิดตัวในเว็บและแอปมือถือของ Grok เองเมื่อวันที่ 1 ตุลาคม และยังคงทยอยเปิดตัวอยู่ที่นั่นในวันที่ 2 ตุลาคม และตอนนี้มันถูกจัดแสดงบน OrcaRouter ในอัตราของ SpaceXAI เองโดยไม่มีการบวกกำไร คะแนนอิสระของมันมาถึงในวันเดียวกับวันเปิดตัวและยังคงไม่สอดคล้องกัน: 46 ที่ความพยายามระดับ xhigh บนดัชนี Intelligence Index v4.3.2 ของ Artificial Analysis สูงกว่า Grok 4.6 สองคะแนน และเพียงพอที่จะทำให้ SpaceXAI อยู่ในสี่ห้องแล็บอันดับต้นของดัชนี; 56 บน Coding Agent Index ในฮาร์เนส Grok Build สูงกว่า Grok 4.6 เก้าคะแนน และเป็นอันดับสี่ในบรรดาโมเดลที่ใช้ฮาร์เนสเนทีฟ นำหน้า GPT-5.6 Sol; และ 1,657 Elo บน AA-Briefcase สูงกว่า Grok 4.6 111 คะแนน และเป็นอันดับสี่บนกระดานตามหลังสามรายการของ Anthropic ด้วยต้นทุนต่องานประมาณครึ่งหนึ่งของ Claude Opus 5 ทุกการทดสอบในตารางเปิดตัวของผู้ขายเป็นของผู้ขายเองและไม่มีการทำซ้ำ ยกเว้นข้อยกเว้นหนึ่ง: กระดาน AA-Briefcase ของ Artificial Analysis เองเผยแพร่ค่า 1,657 เดียวกัน และผู้ขายได้ปรับแถว Terminal-Bench ของตัวเองจาก 38.0% ลงมาเป็น 37.6% นับตั้งแต่นั้น การเพิ่มขึ้นด้านการเขียนโค้ดและงานความรู้เป็นของจริง และมันมีค่าใช้จ่ายโทเค็นเอาต์พุต — 240 ล้านต่อการรัน Index เทียบกับค่ามัธยฐาน 94 ล้าน และประมาณ 8 ดอลลาร์เทียบกับ 4.40 ดอลลาร์ต่อชุดตัวอย่างสไลด์ในสถานการณ์ตรวจสอบวิเคราะห์สาธารณะของ AA — ซึ่งเป็นตัวเลขที่ตัดสินว่าการเปิดตัวนี้ถูกหรือไม่ ตัวเลขประมาณ 2.1 ล้านล้านพารามิเตอร์ที่แพร่หลายมาเป็นเวลาสองเดือนยังคงไม่มีแหล่งที่มาจากผู้ขาย และข้อแม้เรื่องการเลิกล้มก่อนวัยอันควรก็ไม่เคยถูกกล่าวถึงโดยตรง แม้ว่าการกระโดดของ Terminal-Bench จาก 18% เป็น 33% ในฮาร์เนส Grok Build จะเป็นหลักฐานภายนอกชิ้นแรกว่าการแก้ไขได้ผล สัญญาณทั้งสองที่บทความนี้บอกให้ผู้อ่านจับตามองได้เกิดขึ้นแล้ว: รายการโมเดลของผู้ขายเพิ่ม grok-4.7 พร้อมราคาและหน้าต่างบริบทแนบมาด้วย และแค็ตตาล็อกที่นี่จัดแสดงมันในอัตราเดียวกัน ดังนั้นท่าที่ชนะจึงง่ายกว่าที่เป็นในเดือนกันยายน — Grok 4.6 ที่ราคา $2/$6 คือคำตอบ และ Grok 4.7 ที่ราคา $2/$6 ก็คือคำตอบเดียวกันกับ Model ID ที่ใหม่กว่า คะแนนการเขียนโค้ดและงานความรู้ที่ดีกว่า บิลโทเค็นที่ใหญ่ขึ้นมาก และแอปสำหรับผู้บริโภคที่ระบุชื่อมันในสองโหมดที่ยากที่สุด
การเปรียบเทียบในบทความนี้3
ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
