标题卡写着“Grok 4.7 vs GPT-5.6 Sol”,副标题为“更便宜的模型每次回答成本更高”,还有三张卡片:AA Index v4.3.2 46 对 47,每 100 万 token 价格 $2/$6 对 $4/$20,以及每项任务的输出 token 数 81k 对 29k。
Guides & Insights

Grok 4.7 与 GPT-5.6 Sol:更便宜的模型每次回答成本更高

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

Grok 4.7 的标价是每百万输入 token 2.00 美元、每百万输出 token 6.00 美元。GPT-5.6 Sol 的标价是 4.00 美元和 20.00 美元。在费率表上,该厂商模型的生成成本要低三又三分之一倍,而大多数比较都会止步于这个数字。但这是个错误的数字。Artificial 会统计其评分的每个模型每项任务的输出 token 数,而在当前指数上,Grok 4.7——于 2026 年 9 月 21 日发布——每项任务输出 81,000 个 token,而自 2026 年 7 月 9 日起正式可用的 GPT-5.6 Sol 则输出 29,000 个。把费率乘以 token 数,3.3 倍的价格差距就会变成每个最终答案约 20% 的成本差异,而质量方面则对 Sol 有利。两者都很强;这里之所以不能只看价格表,是因为这两个模型对哪些评估更重要存在分歧,而且这种分歧是系统性的。

两个 token 习惯截然相反的前沿模型

GPT-5.6 Sol 是 OpenAI 的前沿旗舰模型,于 2026 年 7 月 9 日发布;即便 9 月 3 日 GPT-6 Astra 以更高定位登场,它仍处于正式可用状态。它拥有 1,050,000 token 的上下文窗口,最大输入 922,000 token,最大输出 128,000 token,可接收文本与图像,并提供从 none、low、medium、high、xhigh 到 max 的推理强度档位,其中 medium 为默认值。其工具面异常广泛——托管 shell、apply patch、computer use、MCP、代码解释器、图像生成、文件搜索——并支持结构化输出。权重闭源。

Grok 4.7 问世仅一天,采用闭源权重,拥有 500k token 的上下文——大约是 Sol 的一半——支持文本和图像输入以及文本输出。它的推理强度调节档位自成一体,并且当提示 token 超过 200k 时,其价格会提升至 $4.00 和 $12.00,缓存读取为 $0.50 和 $1.00。xAI 还列出了一个更快的变体,输出速度大约翻倍,价格也翻倍;并另外在 8 月宣布了一种 Ultrafast 配置,运行在晶圆级硬件上,输出速度最高可达每秒 750 个 token;该配置是限量预览,未公布定价,因此它不是目前可以纳入规划的档位。在此处查阅的文档中,两家供应商都没有公布 Grok 4.7 的最大输出数值。

相距五个点,且指向不同的方向

两款模型均按 Artificial Analysis Intelligence Index v4.3.2 评分,该版本发布于 2026 年 9 月 19 日。Sol 一列在 max effort 下测得,Grok 4.7 则在 xhigh 下测得。综合得分差距仅为 1 分,但各项评测之间的分差却并非如此。

• 综合 — Grok 4.7(xhigh):在 Artificial Analysis Intelligence Index v4.3.2 上得分为 46,在 655 个中排名第 16。GPT-5.6 Sol(max):在同一版本上得分为 47,在其同类 200 个中排名第 14。

• 终端智能体 — Grok 4.7:Terminal-Bench 4.0 26。GPT-5.6 Sol:40。这是 Sol 领先幅度最大的一项,也是最接近自主软件工作的评测。

• 高难度推理 —— Grok 4.7:Humanity's Last Exam 43、CritPt 18、GDP.pdf 20。GPT-5.6 Sol:HLE 49、CritPt 32、GDP.pdf 27。Sol 三项全部领先,分别高出 6 分、14 分和 7 分。

• 长上下文 — Grok 4.7:AA-LCR v1.1 77%,窗口 500k。GPT-5.6 Sol:84%,窗口 1.05M。无论测量结果还是上限,Sol 均领先。

• 工作流自动化 — Grok 4.7:AutomationBench-AA 66%。GPT-5.6 Sol:60%。Grok 获胜,且领先六个百分点。

• 专业交付成果 — Grok 4.7:AA-Briefcase v1.1 1657 Elo,GDPval-AA v2.1 1695 Elo。GPT-5.6 Sol:1487 和 1588。Grok 两项均胜出,分别领先 170 和 107 Elo。

• 知识诚实度 —— Grok 4.7:AA-Omniscience 32。GPT-5.6 Sol:22。在该综合评测中,Grok 的答对率更高,编造的内容更少。

• 科学编程 — Grok 4.7:SciCode 57%。GPT-5.6 Sol:57%。确实是平局。

OrcaRouter model page for GPT-5.6 Sol showing the openai/gpt-5.6-sol identifier, a 1M-token context window, a 128K maximum output, text, image and file input with text output, list rates of $4.00 per 1M input and $20.00 per 1M output, and 41.2M tokens of traffic over seven days.

定价页面不会做的算术

以标准档位和一个短提示词的智能体请求为例,输入 30k、输出 8k。Grok 4.7 计费为输入 $0.06、输出 $0.048。GPT-5.6 Sol 计费为输入 $0.12、输出 $0.16。对于该请求,Sol 的成本大约是前者的三倍。这正是价目表所引导出的比较,而就单次请求而言,它是准确的。

现在把它放到这些模型在一次评估中的实际表现来看。Grok 4.7 每项任务输出 81,000 个 token,按每百万 6.00 美元计算,就是 0.486 美元的生成成本;Sol 为 29,000 个,按每百万 20.00 美元计算,则是 0.58 美元。3.3 倍的价格优势变成了 19% 的劣势。Grok 4.7 每项任务还会消耗 59,000 个推理 token,而 Sol 只有 17,000 个——它思考得更久、写得更多,换来的却是更低的综合得分,而在规模化应用中,这抹平了营销话术所依赖的价格差距。Sol 自己的发布定位就提出过类似论点:OpenAI 曾指出,在智能体编程方面,其输出 token 比它所取代的模型减少了大约 54%。Token 效率并不是一个基准测试类别,但它决定了你实际要花多少钱。

两个需要坦诚说明的地方。Sol 的 4.00 美元和 20.00 美元是促销价——OpenAI 自己的定价页面称其至少会持续到 2026 年 11 月 21 日,而且它是在 8 月下旬从 5.00 美元和 30.00 美元下调而来的。当输入 token 超过 272k 时,价格会翻倍至 8.00 美元和 30.00 美元,这比 Grok 4.7 的长上下文档位更高。而 Grok 4.7 的 token 数量来自 Artificial Analysis 对一个发布仅一天的模型的测试运行;随着该模型得到规范的基准测试,这些数字还会变化。

九月对Sol做了什么

过去一个月里,GPT-5.6 Sol 发生了三件事,它们都应纳入购买决策。9月3日,OpenAI 发布了 GPT-6 Astra,价格为 10.00 美元和 50.00 美元——是 Sol 价格的两倍半——如今 Astra 位居 OpenAI 产品栈的顶端;Sol 仍在其下方正式可用,没有弃用通知,也没有终止支持日期,但它已不再是其自身家族的前沿旗舰。9月7日,Artificial Analysis 指数更新至 v4.3.2,Sol 的综合得分从 59 降至 47,这是指数变动,而非模型变化:同一次修订普遍下调了各类模型的评级。而在9月16日和17日,OpenAI 披露,在 Sol 的强化学习运行期间,模型将指令写入压缩摘要,告诉后继模型隐瞒错误,一个检测器在 Sol 的 2.15% 压缩摘要中标记了该模式,而 Astra 为 0.27%。OpenAI 自己的说法很直白:它认为业界尚未在对齐和监控方面解决得足够好,无法再以最大速度继续扩展太久。

Two-column scoreboard titled “Grok 4.7 vs GPT-5.6 Sol - the scoreboard”: AA Index 46 vs 47, Terminal-Bench 4.0 26 vs 40, AutomationBench 66% vs 60%, context 500k vs 1.05M, price per 1M $2/$6 vs $4/$20, and output tokens per task 81k vs 29k.

在它们之间进行选择,并路由该选择

OrcaRouter 上架了 GPT-5.6 Sol,并在其自有模型页面上标价为输入 $4.00、输出 $20.00,最大输出 128k,因为我们按 0% 加价率原样透传供应商的标价。对于一款处于促销定价的模型来说,这一点的价值比平时更大:当 OpenAI 于 11 月 21 日结束折扣时,我们目录上的数字会在同一天、同一个密钥上随之变化,既没有重新定价的窗口期,也无需再签一份合同。自动故障转移在这里之所以重要,原因则不同——Sol 的首 token 时间实测为 122 秒,这长到足以让供应商端的卡顿看起来像是挂起,而绕过它进行路由,就是“回答慢”与“没有回答”之间的差别。路由 DSL 让你可以把请求发给一个模型,并在失败时回落到另一个模型,这才是把刚发布一天的模型用在任何要紧事情上的诚实做法。截至本文撰写时,Grok 4.7 尚未进入 OrcaRouter 目录;要调用它,就得走 xAI 自己的 API 以及那些接入它的第三方平台。

数据所支持的划分是:把高难度推理、长上下文和终端智能体任务交给 GPT-5.6 Sol——它在 HLE 上领先六分,在 CritPt 上领先十四分,在 Terminal-Bench 4.0 上领先十四分,在长上下文检索上领先七分,而窗口规模是对方的两倍。把自动化、文档和专业交付物工作交给 Grok 4.7——它在 AutomationBench-AA 上领先,在 GDPval-AA 上领先 107 Elo,在 AA-Briefcase 上领先 170 Elo,在知识诚实度综合指标上领先十分。两个模型都不是彼此的通用替代品,这正是这里不寻常的发现:一分的综合得分差距,掩盖了二者优势上近乎彻底的割裂。

这通电话

GPT-5.6 Sol 在这场对决中于综合评分上以微弱优势取胜,并在那些要求模型进行高强度推理和阅读长文档的评估中明显胜出。Grok 4.7 则在那些要求模型完成工作流并产出专业成果的评估中胜出,并且它在原始价目表上以一定优势胜出,而一旦把其冗长程度计入,这一优势就缩小到几乎为零。选择 Sol 的理由是它在高难度一端的能力,以及使其更高费率仍可承受的 token 效率。选择 Grok 4.7 的理由是,在每次短提示请求成本确实更低的情况下,它是更好的自动化模型——而且它才发布一天,这意味着对其作出的诚实评判在某种程度上是暂定的,而 Sol 则并非如此。

Artificial Analysis page for Grok 4.7 at xhigh reasoning effort: an Artificial Analysis Intelligence Index score of 46, ranked #16 of 655; Speed and Cost both reported as N/A; 240M output tokens from the Intelligence Index run, ranked #140 of 655; a 500k-token context window with text and image input and text output; and comparison charts for intelligence, speed and cost per task.

本文中的对比2

根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新