什麼是 Grok 4.7？規格、價格、上下文視窗與基準測試

Grok 4.7是 SpaceXAI 目前的旗艦模型：一款接受文字與圖像輸入、回傳文字輸出的推理模型，具備 500,000 個 token 的上下文視窗，定價為每百萬輸入 token 2.00 美元、每百萬輸出 token 6.00 美元，且推理強度可選擇四個等級。它接替 Grok 4.6，在價格與上下文方面與之完全一致，並鎖定長時程工作——數小時的程式開發、代理式工具迴圈、專業知識工作——該公司如今整個產品線都以此為銷售主軸。本頁是它的參考條目：說明這個模型是什麼、定位何在、接受哪些輸入、費用為何，以及兩件刻意分開處理的事——SpaceXAI 對自家模型的說法，以及獨立評估者的實測結果。

為什麼這是參考頁面，而不是發布報導。Grok 4.7 於 2026 年 9 月 21 日推出，那次的發布本部落格已經報導過（關於發布當天的解讀，請見 grok-4-7-release-date 一文），因此下方的日期是當作標定模型的事實來用，而不是再次報導的事件。這頁存在的目的，是為了那種在搜尋框裡直接輸入模型名稱、想找模型本身而非新聞的讀者：截至 2026 年 9 月 25 日的 28 天內，我們自家的 Search Console 資料記錄到精確查詢「grok 4.7」有 31,934 次曝光，而所有可化約成該名稱的各種拼法合計 34,160 次，平均排名落在 7.8，卻沒有專屬頁面可供著陸。這衡量的是人們打什麼字——無關模型有多好——也正是這頁為何從最素樸的問題開頭。本文每個數字都標明出處：廠商自述（出自 SpaceXAI 自家文件、發布文或定價頁的任何內容）、獨立來源（Artificial Analysis）、我們自家（我們的型錄與搜尋資料所示）。

Grok 4.7 在 Grok 系列中的定位

該供應商現在在開發者文件與新聞頁面上都將自己的名稱寫成 SpaceXAI，而 API 本身仍由 api.x.ai 提供服務，模型識別碼也仍是 grok 系列。Grok 4.7 是文字類產品線的頂端，也是該供應商自己的預設推薦：當被問到該選擇哪個模型時，模型頁面回答，除了音訊、圖像與影片相關工作之外——「包括程式碼」——都應該使用 Grok 4.7，因為「這是我們打造過能力最強的模型」。它的同系列模型，依該供應商自己公布的每百萬個 token 費率，分別是：

• Grok 4.6 — 500K 上下文，輸入 $2.00 / 快取 $0.50 / 輸出 $6.00，於 2026 年 8 月推出。它是直接前代，也是 4.7 定價所參照的模型。

• Grok 4.5 — 500K 上下文，$2.00 輸入 / $0.30 快取 / $6.00 輸出，於 2026 年 7 月推出。與其後繼型號定價相同，但快取費率更低，而這正是如今仍選擇它的唯一具體理由。

• Grok 4.3 — 100 萬上下文，輸入 $1.25／快取 $0.20／輸出 $2.50。價格是現行旗艦的一半，上下文視窗則是其兩倍。

• Grok 4.20（推理、非推理與多代理變體）—— 1M 上下文，$1.25 輸入 / $0.20 快取 / $2.50 輸出。

• Grok Build 0.1 — 256K 上下文，$1.00 輸入 / $0.20 快取 / $2.00 輸出。一個程式設計專用模型，而非通用模型，而 Grok Build 代理的預設模型是 Grok 4.7，不是這個。

所以當前產品線的樣貌，是能力與視窗之間的取捨：旗艦款以 $2/$6 的價格提供 500K 的上下文，而 4.3/4.20 層級則以大約一半的輸入價格、不到一半的輸出價格，給你整整一百萬個 token。廠商文件中沒有任何內容顯示 Grok 4.7 與 Grok 4.6 是不同的架構——發布說明所描述的，是更大的基礎模型、更長的強化學習訓練（側重於需要花費數小時才能完成的任務）、更好的自我驗證、更好的長上下文處理，以及在 Grok Bot 測試框架上進行訓練，讓模型在對話與一般知識工作上表現得更好。這是改進的主張，而非全新的設計。SpaceXAI 在其模型頁面與定價表上，都沒有公布 Grok 4.7 的參數數量，而本頁也不會妄加猜測。

何時推出，以及隨附了什麼

發布文章標註的日期是 2026 年 9 月 21 日，而開發者模型頁面的最後更新也顯示同一天，這已是最精確的程度——SpaceXAI 不會公布當天以外的發布時間戳記。當天推出的不只是一個模型識別碼。grok-4.7 這個 slug 同時在 Responses API 與 Chat Completions 上線，具備 500,000 個 token 的上下文視窗、2026 年 5 月的知識截止日期、四個推理等級（包含一個全新的最高設定）、僅限兩個第一方介面的 Fast 變體、僅限美國的區域端點，以及與 Grok 4.6 相同的定價。它同時成為 Grok Build 編碼代理的預設模型，並在所有方案中於 Cursor 提供使用。如果你想要的是首日反應而非規格說明，grok-4-7-release-date 這篇文章涵蓋了那部分；本頁則將同一日期視為關於此模型的一項事實，並接著說明它實際上能為你做什麼。

信封：您可以傳送什麼，以及可以傳送多少

以下所有內容均來自 SpaceXAI 自家的模型頁面與模型總覽頁，閱讀日期為 2026 年 9 月 28 日，除非另有標示。

• 上下文視窗 — 500,000 個權杖。與 Grok 4.6 相同，是 Grok 4.3 與 4.20 系列所提供的一半。

• 知識截止時間——2026 年 5 月，比 Grok 4.6 的截止時間晚三個月。任何比這更近期的資訊都需要開啟搜尋工具；此模型預設不具備即時感知能力。

• 輸入 — 文字與圖像。圖像可為 JPG/JPEG 或 PNG，每個檔案大小上限為 20 MiB，且廠商未說明單次請求中的圖像數量上限；圖像與文字可以任何順序出現。

• 輸出 — 僅限文字。此模型不具備圖像、音訊或視訊生成功能；那些是 SpaceXAI 系列中的獨立模型。

• 輸出上限 — 供應商表示沒有文字輸出限制。我們自家的 OrcaRouter 模型卡在 grok-4.7 上列出最大輸出為 450,000 個 token，而這兩個數字並不一致。我們會將它標示出來，而不是默默選定其中一個：SpaceXAI 的文件是 SpaceXAI 模型的權威依據，而誠實的解讀是，供應商並未公布文字輸出上限。

• 推理控制 — reasoning_effort 可接受 low、medium、high（供應商的預設值）或 xhigh。xhigh 是這一代新增的；Grok 4.6 同樣提供四個層級，而 4.7 所公布的基準數據是以 xhigh 引用的。

• 工具 — 函式呼叫、網頁搜尋、X 搜尋與程式碼執行，全部記載為伺服器端工具。

• 結構化輸出 —— 供應商除了文字生成之外，還記載了結構化輸出的能力；我們自己的頁面則將它公開為 response_format 與 structured_outputs。

• 我們頁面接受的參數 — include_reasoning、logprobs、max_tokens、reasoning、reasoning_effort、response_format、seed、structured_outputs、temperature、tool_choice、tools、top_logprobs 與 top_p。在你以 logprobs 為基礎開發之前，有一點值得留意：SpaceXAI 的模型頁面指出，logprobs 與 top_logprobs不受 grok-4.20 及更新模型支援，且「若有設定，將被靜默忽略」，這涵蓋 Grok 4.7。我們頁面列出它們，並不保證上游會回傳它們。

• 端點 — OpenAI 相容的 Chat Completions API 與 Responses API。

• 提示快取 —— 供應商建議在 prompt_cache_keyResponses API 上設定（Chat Completions 上的 x-grok-conv-id 標頭），讓同一段對話的請求都落在同一台伺服器上；文件警告，少了它，你往往會在快取為冷狀態的伺服器上支付全額的輸入費用。在 200K 門檻以下，快取輸入每百萬個 token 收費 $0.50。

• 加密推理——在 Responses API 上，Grok 4.7 一律會回傳 reasoning.encrypted_content，即使你沒有主動要求也一樣，因此多輪呼叫無需額外設定即可保留模型的推理內容。Chat Completions 則維持不變。

完整費率表

定價依提示詞大小分級，而一旦超過門檻，該門檻便適用於整個請求，而不只是超過界線的 token。這裡的每一項數字都是廠商公布的，摘自 SpaceXAI 的定價頁面，日期為 2026 年 9 月 28 日：

• 標準，提示低於 200K token — 每百萬 token 輸入 $2.00／快取輸入 $0.50／輸出 $6.00。

• 長上下文，提示達到或超過 200K token — 每百萬 token $4.00 輸入 / $1.00 快取輸入 / $12.00 輸出。

• Grok 4.7 Fast —— 同一款模型，在更快的基礎架構上運作，費率是標準的兩倍：低於 200K 時為 $4.00 / $1.00 / $12.00，高於 200K 時為 $6.00 / $1.50 / $18.00。它僅能透過 Cursor 和 Grok Build 使用，完全不在公開 API 上提供，且 Grok Build 的免費方案並不包含它。

• US regional endpoint — https://us.api.x.ai/v1 keeps inference in the United States and bills at 1.1×, which works out to $2.20 / $0.55 / $6.60 per million below 200K and $4.40 / $1.10 / $13.20 above. Only grok-4.7 and grok-4.6 are served there today.

若與市場上其他產品對照來看，有意思的不是那個頭條費率——每百萬輸入 $2、輸出 $6，正是 Grok 4.6 收取的價格，也是 Grok 4.5 至今仍收取的價格——而是快取折扣：廠商公布，針對重複的提示前綴，輸入可享 75% 折扣。對於每回合都重新傳送相同系統提示與檔案內容的長時間代理迴圈而言，這項折扣就是標價與帳單之間的差距。這也是 Grok 4.7 唯一不如其較舊同門型號的一項：Grok 4.5 的快取價格為每百萬 $0.30，而 Grok 4.7 為 $0.50。

Grok 4.7 已在 OrcaRouter 上架，型號為 grok/grok-4.7，採用 SpaceXAI 自家的定價，零加成——直接傳遞供應商價格，因此供應商調價後，這裡當天就會同步生效，而不必等重新定價程序跑完。對一個具有兩段式提示門檻與快取費率的模型來說，這一點比平常更為重要，因為這兩者都會改變你實際支付的價格。它是整個 Grok 系列的一組金鑰與一個 OpenAI 相容端點，因此要把工作負載從 Grok 4.7 切換到 Grok 4.5 或 4.3 來測試成本差異，只需要改一個字串，而不是再簽一份合約。

SpaceXAI 為其宣稱的內容

本節中的所有內容皆為廠商自行回報。這些內容均未經獨立重現，而且 effort 設定很重要——發布貼文中的表格標示 Grok 4.7 為 xHigh、Grok 4.6 為 High，而兩個比較模型為 Max，這並非條件相符的比較。

• CursorBench 4.0 — Grok 4.7 在 xHigh 下達到 46.3%，而 Grok 4.6 在 High 下為 40.4%。發布貼文自身的說法是，這正是 Grok 4.7「在價格效能比上居於前沿」的地方。

• Terminal-Bench 4.0 — 37.6%，相較於 Grok 4.6 的 20.3%。這是本次發布中最大的單一差距，也是與「在更困難任務上進行更長期 RL」這項主張相符的一項。

• DeepSWE v1.1 — 71.0%，在廠商自己的表格中被標記為高投入分數，而 Grok 4.6 則為 65.2%。

• AA Briefcase v1.1 — 1,657，對比 Grok 4.6 的 1,546。請注意這裡的名稱衝突：這是供應商引用一項 Artificial Analysis 也有執行的基準測試，而獨立結果會於下一節討論。

• EEBench — 64.0%，相較於 Grok 4.6 的 53.0%。

• Harvey Legal Agent Benchmark — 19.6%，相較於 Grok 4.6 的 15.8%。

• HealthBench Professional — 56.7%，相較於 Grok 4.6 的 48.5%。

• GDPval — 在 xhigh 下達 1,695 Elo，相較於 Grok 4.6 在 high 下的 1,605。

安全方面的說法同樣是由廠商自行報告，而且異常具體：SpaceXAI 表示，Grok 4.7 建立在一套新的防護堆疊上，在 LatchBio 的生物安全基準測試中以 62.4% 居首，並且在自家的 HackerBench v0.3 上，只讓 3.3% 具風險的雙用途提示通過，同時鮮少阻擋合法的安全工作。該公司還說，已開始讓部分精選的資安合作夥伴以僅限受邀的方式，存取該模型的紅隊能力。請把這一切視為廠商對自家模型所做的測試——這是一組具體到足以日後查證的說法，但那不等於現在已經查證過。發布貼文上那句一句話定位——「速度是同類模型的兩倍，價格卻只要同類模型的一半」——是針對競爭對手的行銷話術，而不是對 Grok 4.7 的實測，而且下方那個獨立速度數據並不支持其中「快兩倍」的那一半。

獨立評估人員所測量的內容

Artificial Analysis 是這個故事中唯一對該模型沒有利害關係的來源，而其 Grok 4.7 頁面明確就是 xhigh 組態。於 2026 年 9 月 28 日讀取：

• 智慧 — 在 Artificial Analysis Intelligence Index 上得分 46，指數版本 v4.3.2，在該排行榜的 211 個模型中排名第 21，遠高於該指數的中位數 26。該指數由十項評估組成：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience 和 AA-LCR v1.1。

• 成本 — 執行一次 Intelligence Index 要花 $3.74，而同一評測機構公布快取折扣為 75%，且輸入/輸出費率與廠商相符（$2.00 / $6.00）。其本身的評論是，該模型「相較於其他價格相近的模型，定價合理」。

• 冗長度——在 Intelligence Index 上共產生 2.4 億個輸出 token，而中位數為 8,800 萬。Artificial Analysis 稱之為「非常冗長」，而對任何編列預算的人來說，這是這裡最有用的一個數字：即使在固定 token 費率下，思考鏈較長的模型每項任務的成本也更高。

• 速度 — 每秒 82.6 個輸出 token，在該排行榜的 211 個項目中排名第 83，然而評估者仍將其標為「低於平均」。在你將這個數字引用到任何地方之前，先說兩點注意事項。Artificial Analysis 已將其預設基準測試工作負載改為 10,000 token 的輸入，以更貼近實際生產使用情境，而且它針對此模型發布的速度讀數在不同快照之間已有顯著變動，因此請將其視為單一工作負載的快照，而非固定不變的常數。在 API 供應商方面，同一評估者針對該模型只列出一個供應商——SpaceXAI 本身——因此其測得的延遲與混合價格是第一方數據，而非市場行情區間。

我們自家的目錄還收錄了三項關於 Grok 4.7 的 Artificial Analysis 額外結果，評估日期為 2026 年 9 月 21 日：Humanity's Last Exam 為 43.1%、長上下文回憶評估為 76.7%，以及 SciCode 為 57.4%。這些結果標示為獨立，因為它們來自 Artificial Analysis；它們值得與供應商的自驗證說法並列閱讀，而非視為對那些說法的證實。

誠實的比較說明：SpaceXAI 的數字與 Artificial Analysis 的數字是在不同的測試框架、不同的投入程度設定下產生的，而兩者從未在相互匹配的配置中正面對比。當兩邊出現相同的基準名稱——AA Briefcase、Terminal-Bench 4.0——那只是共用的名稱，而非共用的執行結果。任何人把廠商提供的數字與獨立數字並列引用，彷彿它們是同一次測量，都是在做證據不支持的推算。

你實際上可以稱呼它的地方

Grok 4.7 自推出首日起即可透過 SpaceXAI 自家位於 api.x.ai 的 API 呼叫，可使用 Responses API 或 Chat Completions，亦可透過僅限美國的區域端點使用，但須支付 10% 的額外費用。它是 Grok Build 程式開發代理的預設模型，並已在所有方案的 Cursor 中提供；Fast 變體——同一個模型，但費率為兩倍——僅限於這兩個介面，且未在公開 API 中提供。除第一方存取外，供應商表示亦可透過第三方程式開發框架、模型路由器及雲端平台取得。

就我們這邊來說：grok/grok-4.7 今天已在 OrcaRouter 型錄上線，價格採用 xAI 自家的定價表，0% 加價，並可透過與其他 Grok 系列相同的金鑰，在任一端點上呼叫。如果你正拿它與 Grok 4.6 比較——相同的價格、相同的視窗，底下卻是不同的模型——把兩者都導向同一個端點、搭配自動容錯移轉鏈，是找出你的工作負載真正偏好哪一個的省錢做法，而不是單憑供應商的表格，就把正式環境路徑押在較新的模型上。

在紀錄仍如此單薄的情況下，該留意什麼。SpaceXAI 尚未公布參數數量，而輸出上限的問題確實仍懸而未決——廠商所稱的「無文字輸出限制」與我們自家頁面顯示的 450K 之間的落差，至今仍無人解決。目前也沒有以相同測試框架，與它所對標銷售的那些模型進行正面對決。而上述的速度讀數是最可能變動的數字，因為它已經變動過了。隨著紀錄逐漸補齊，這三處將是這個頁面需要修訂的地方；與其假裝規格已經底定，不如把話說清楚。

Grok 4.7 現在已可在 OrcaRouter 上路由，Grok 4.6、Grok 4.5、Grok 4.3 以及 Grok 4.20 系列也同樣支援。OrcaRouter以零加成的方式直接傳遞供應商的定價，因此 SpaceXAI 的兩層提示閾值及其快取費率在他們那端變更的同一天就會反映在我們這端，而針對較舊、較便宜的 Grok 模型測試工作負載只需更改一個字串，而非另訂一份合約。