Claude Opus 5.5 vs Grok 4.7：两大旗舰，相隔二十四小时

Grok 4.7于 2026 年 9 月 21 日发布。Claude Opus 5.5于次日发布。24 小时内，两款前沿旗舰从相反方向瞄准同一类买家：Grok 4.7 将前代价格维持在每百万输入 token 2 美元、输出 token 6 美元，而 Opus 5.5 则将前代价格从 5 美元/25 美元下调至 4 美元/20 美元。单看标价，Grok 4.7 看上去只要 Claude Opus 5.5 的一半成本，甚至还不止。事实并非如此，而原因正是这一对比中最有价值之处。一旦提示词超过 200,000 个 token，Grok 4.7 的价格就会翻倍至 4 美元/12 美元，而且该模型明显啰嗦——Artificial Analysis 测得，其推理 token 使用量比 Grok 4.6 增加了 113%，每个智能体任务大约消耗 81,000 个输出 token。一个写得更多的模型即便费率更低，也不等于任务更便宜，必须先乘算这两种效应，任何一个标价才有意义。

每个厂商实际交付了什么

SpaceXAI 于9月21日星期一发布了 Grok 4.7 — 与 Grok 4.6 相同的 $2/$6 定价和相同的 50 万 token 上下文窗口，但知识截止时间更晚，并新增了最高推理等级。厂商表示，它基于比前代更大的基础模型构建，并将其定位用于编程、智能体工作和知识型劳动；它已在 Cursor 和该公司自有的 Grok Build 终端智能体中上线。该公司自己的 Terminal-Bench 4.0 成绩为 38%，而 Artificial Analysis 对同一基准的独立运行结果为 33% — 厂商与评估方在同一指标上存在五个百分点的分歧，当你看到任何一方给出的单个数字时，这一点都值得记住。

Anthropic 于 9 月 22 日（周二）发布了 Claude Opus 5.5，价格为 4 美元/20 美元，低于 Opus 5 的 5 美元/25 美元；缓存读取费用从每百万 token 0.50 美元降至 0.20 美元，厂商声称典型工作负载的运行成本比前代低约 40%。它保留了 Opus 5 的 100 万 token 上下文和 128K 输出上限，并新增了价格为 8 美元/40 美元的 Fast 模式，Anthropic 将其描述为研究预览。能力声明由厂商自行运行，对标的是 Anthropic 选定的竞争对手：Terminal-Bench 4.0 为 66.4%，FrontierCode v1.1 为 54.4%，GDPval-AA v2.1 为 1,846 Elo。

把这两段并排放在一起，这场较量的格局就已经一目了然。一家厂商下调了一款有所改进的模型的价格。另一家则维持了一款有所改进的模型的价格。两者都在押注市场的底部在哪里，而他们的判断并不一致。

费率表，以及改变它的那两行

以下数据来自 OrcaRouter 的目录，读取于 2026 年 9 月 24 日，按 0% 加价原样传递——即提供商标价，未添加任何差价。

• 输入 — Claude Opus 5.5 每百万 token 4.00 美元，而 Grok 4.7 为 2.00 美元；Grok 便宜 50%

• 输出 — 每百万 20.00 美元，对比 6.00 美元；Grok 便宜 70%

• 缓存读取 — 每百万 $0.20 对比 $0.50；这是 Opus 5.5 唯一更便宜的定价项，而且便宜了 60%

• 上下文 — Claude Opus 5.5 为 1M tokens，而 Grok 4.7 为 500,000，正好是两倍

• 最大输出 — Claude Opus 5.5 为 128,000 个 token，而 Grok 4.7 为 450,000 个，是前者的三倍还多

• 模态——两者都接受文本、图像和文件，并返回文本

第一个调整因素是阶梯档位。Grok 4.7 的 $2/$6 适用于低于 200,000 token 的提示；超过该阈值后，两项费率都翻倍至 $4/$12。这使 Grok 的长提示输入费率与 Claude Opus 5.5 固定的 $4.00 完全持平，并把输出优势从 70% 缩小到 40%。在那些正是因为 Grok 的 450,000 token 输出上限才选择它的超长提示上，你要达到这一上限，支付的是 Opus 5.5 的输入费率。

第二个修饰因素是冗长度，而且影响更大。Artificial Analysis 在相同评测上测得 Grok 4.7 的推理 token 用量比 Grok 4.6 高出 113%，在一份公开记录中，每个智能体任务消耗约 81,000 个输出 token。在此对比中的每一个 API 上，推理 token 都按输出 token 计费。按 Opus 5.5 每百万 20.00 美元的价格，81,000 个输出 token 要花 1.62 美元。按 Grok 4.7 的 6.00 美元，同样的 81,000 个只需 0.49 美元——仍是三分之一的价格，所以优势依然存在——但这一比率如今是 3.3 倍，而不是纸面上的 3.3 倍，并且在把 Opus 5.5 更低的缓存读取费率应用到长智能体会话中反复发送的前缀之后，实际差距要小得多。费率卡上宣传的 70% 输出节省，并不是你最终会入账的节省。

如果你想找一个最清楚的例证，说明为什么 token 单价是错误的计量单位：同一个 30,000 输入、8,000 输出的智能体请求，在 Opus 5.5 上花费约 28 美分，在 Grok 4.7 上则是 11 美分。把输入改成 250,000 个 token，Grok 翻倍后的费率会让其成本达到约 1.10 美元，而 Opus 5.5 是 1.16 美元。标价差距从 2.5 倍变成了一个舍入误差，除了提示词长度之外没有任何变化。

独立评分指向同一方向

在 Artificial Analysis 的 Intelligence Index 上，Claude Opus 5.5 在最大努力配置下为 58，在高努力下为 54，位居该评估方追踪的模型之首。Grok 4.7 得分为 46——比 Grok 4.6 高两分，比 Claude Opus 5.5 的最大努力读数低十二分。这是本文中最大的差距，而且它来自第三方，并非厂商。

同一评估者的其他榜单对 Grok 则更为友好，而它们之间的差距才是耐人寻味之处。在 Coding Agent Index 上，Grok 4.7 得分为 56，而 Grok 4.6 为 47——提升了 9 分，比其在通用智能上的 2 分提升幅度更大，这表明此次发布更像是一次编码方向的更新，而非通用能力的更新。在 AA-Briefcase 这一长时程知识工作榜单上，Grok 4.7 以 1,657 Elo 位列第四，落后于三款 Anthropic 模型，领先于处于 xhigh 推理档位的 Claude Opus 5。三个榜单，三种不同的结论，却全部出自同一评估者、同一天。

然后是双方都会衡量的同一个维度：Terminal-Bench 4.0。Anthropic 报告 Opus 5.5 在 xhigh effort 下达到 66.4%。SpaceXAI 报告 Grok 4.7 为 38%，而 Artificial Analysis 的独立测试给出的结果是 33%。无论你采用 Grok 的哪个数字，它与 Opus 5.5 的差距都在 23 到 33 个百分点之间。Terminal-Bench 只是一个单一测试框架，而且在 Anthropic 这边还是厂商自己运行的，所以它并不是对任一模型的最终定论——但在这个维度上，差距并不接近，而它又是与两家厂商都在推销的智能体编程工作联系最紧密的维度。

在每一个都是正确答案的情况下

Grok 4.7 的优势在两处是真实且结构性的。第一处是短提示词、高吞吐量的工作：在 20 万 token 以下、输出量适中时，$2/$6 对 $4/$20 是实打实的 2.5 倍到 3.3 倍差距，而且当整个任务规模很小时，啰嗦带来的惩罚在绝对值上也更小。第二处是输出上限——45 万 token 是 Opus 5.5 的 12.8 万 token 的三倍多，对于批量生成长篇产物而言，这一约束直接决定了一项任务究竟可不可能完成。

Claude Opus 5.5 的优势在于智能体的长期运行。上下文窗口翻倍，达到 1M token，缓存读取费率低 60%，并且是两者中独立智能得分最高的。这些优势每一项都会随会话长度叠加：每一轮都要为重新发送的前缀支付缓存读取费用，因此这一项降低 60%，对两小时智能体会话的作用，比输出降低 70% 对一次性生成的作用更大。

任何关于 Opus 5.5 的决策都应附带一条运营层面的说明：除非你的账户通过 Anthropic 的生命科学验证或网络验证项目完成验证，否则该模型会将大多数网络安全相关请求路由至 Claude Opus 4.8，将生物学相关工作路由至 Claude Opus 5。在这些领域，你日志中的模型标识并不总是实际作答的模型。Grok 4.7 没有类似的重新路由机制，不过据报道，其自己的模型卡显示，在高模式下仍有 3.3% 的高风险请求通过，且违规率略高于 Grok 4.6——这是同一本账另一侧由厂商发布的安全数据。

两款模型都以供应商标价在 OrcaRouter 上提供，加价 0%——Claude Opus 5.5 为 $4.00/$20.00，缓存读取 $0.20，Grok 4.7 为 $2.00/$6.00，>200K 档位按供应商的设定执行——只需一个密钥，因此上方的分流比例可以基于你自己的流量来实测，而不必靠争论。在两者都有路由的情况下，自动故障转移对任一模型都生效，这对于两个发布仅相隔一天、仍在磨合期的模型来说，比平常更为重要。

这场对决得出的结论：在大多数工作负载下，Grok 4.7 都是更便宜的模型，也是长输出场景的首选；而当会话长、上下文深、任务具有智能体属性时，Claude Opus 5.5 则更强。24 小时的发布窗口让它们看起来像一对竞争对手。而费率表和 token 计数则让两者泾渭分明。