Grok 4.7 對決 Kimi K3：價格砍半、上下文減半、權重全無

拿一個月三億個 token 的代理式程式編寫工作量，分別用兩款模型的定價跑一遍，這個選擇就不再像是基準測試之爭了。Grok 4.7由 SpaceXAI 於 2026 年 9 月 21 日發布，每百萬輸入 token 收費 2 美元，每百萬輸出 token 收費 6 美元。Kimi K3由 Moonshot AI 於 2026 年 7 月 16 日發布，收費為 3 美元與 15 美元。在那個假設的月份裡——比如 2 億輸入與 1 億輸出——Grok 4.7 大約是 1,000 美元，Kimi K3 則約為 2,100 美元。這個差距不是四捨五入的誤差；那是足足一個模型的預算。相較之下，Kimi K3 給你 1,000,000 token 的上下文視窗，而非 500,000，原生支援影片輸入以及圖片，還有可下載的權重。Grok 4.7 給你的則是更快、更便宜、封閉原始碼的模型，而且是明確針對 Kimi K3 同樣瞄準的長時程終端機作業所訓練。兩者都屬前沿等級。它們並不是同一筆採購。

這兩個模型，簡述

Grok 4.7 是 SpaceXAI 的前沿程式編寫與知識工作模型，以比 Grok 4.6 更大的基礎模型打造，並經過更長的強化學習訓練，鎖定可能耗時數小時的任務。它是專有模型——沒有權重、無法下載——提供 500,000 個 token 的上下文視窗，接受文字與圖像輸入並回傳文字，並支援從 low 到 xhigh 的推理強度等級。它最引人注目的賣點是速度與價格：SpaceXAI 將其定位為速度約為同類模型的兩倍，價格約為一半。

Kimi K3 是 Moonshot AI 的旗艦開放式混合專家模型，也是首個躋身三兆參數級別的開放模型：總參數達 2.8 兆，每個 token 啟用 1,040 億參數，建構於 Kimi Delta Attention 與量化感知的 MXFP4 權重之上。它可接收文字、圖像與影片輸入，支援 1,000,000 個 token 的上下文，以可配置的投入程度常時運行推理，其權重可依 Kimi K3 License 下載——允許商業使用，但附有若干限制。就設計而言，它是一款你能帶回家的模型。

這就是它們之間全部的結構性差異。一個是便宜、快速、封閉的端點。另一個是更昂貴、更緩慢、開放，且上下文多一倍的產物。以下的一切都是其結果。

基準測試實際上比較的是什麼

這正是大多數 Grok 4.7 對上 Kimi K3 的評比文章出錯的地方，所以值得直言不諱：這兩個模型所公布的數字，大多並不是在衡量同樣的事物，而且至少有一對看似可相比的數字，其實並非如此。

先從那組真正會誤導人的數字開始。Kimi K3 的發表資料引用 Terminal-Bench 2.1 的 88.3 分成績。Grok 4.7 的發表資料則引用 Terminal-Bench 4.0 的 38.0%。這些是不同的基準版本，任務集不同、評分方式也不同，把兩者並列會讓人以為 Kimi K3 的代理能力是另一者的兩倍以上。這不是站得住腳的解讀，任何人都不該重複這種說法。這兩個數字也都由廠商自行提報——兩者都未經獨立重現。

可以比較的是獨立複合指標，而在那裡兩者相當接近。在目前的人工分析情報指數（Artificial Analysis Intelligence Index）v4.3.2 版本中，Kimi K3 得分 44——在 113 個模型中排名第二，是所有開放權重模型在榜單上的最高名次。Grok 4.7 得分 46，在 655 個模型中排名第十六。兩者相差兩分，而 Kimi K3 的名次是在最高推理強度下取得的。在混合複合指標上，這些模型屬於同一等級。

• 獨立綜合評分——Grok 4.7 在 AA Intelligence Index v4.3.2 上拿下 46 分，Kimi K3 在同一版本上則是 44 分。實際上可說是不分軒輊。

• 上下文視窗 — Grok 4.7 為 500,000 個詞元，Kimi K3 則為 1,000,000 個詞元。對 Kimi K3 而言，這是貨真價實、毫無保留的優勢，也是唯一一項沒有附帶但書的規格差異。

• 輸入模態 — Grok 4.7 的文字與圖像 vs Kimi K3 的文字、圖像與影片。如果你的工作負載包含影片，Kimi K3 的適用範圍更廣。

• 權重 — Grok 4.7 為專有模型，無法下載；對比之下，Kimi K3 依 Kimi K3 授權條款開放權重。對於地端部署或氣隙環境的需求而言，這是唯一真正關鍵的一點。

• 每百萬詞元價格 — Grok 4.7 輸入 $2／輸出 $6，對比 Kimi K3 輸入 $3／輸出 $15，而 Kimi 的快取輸入費率為每百萬 $0.30。Grok 4.7 在每個層面都更便宜，而且在輸出方面便宜得多。

• 推理強度控制 — Grok 4.7 提供從 low 到 xhigh 的選項，而 Kimi K3 則是常時開啟、強度可設定。功能上相似；差別在於 Grok 4.7 讓你可以把推理調低。

• 廠商回報的 agentic 證據——Grok 4.7 在 Terminal-Bench 4.0 為 38.0%，CursorBench 4.0 為 46.3%，DeepSWE v1.1 為 71.0%（皆為廠商回報）對比 Kimi K3 在 Terminal-Bench 2.1 為 88.3%，Frontend Code Arena 以 1,679 Elo 位居第一（推出時由廠商回報）。無法相比——見上文。

錢實際上都花到哪裡去了

費率表低估了差距，因為這兩個模型消耗 token 的方式不同。Grok 4.7 是一個冗長的推理模型——Artificial Analysis 在運行其 Intelligence Index 時測量到產生了 2.4 億個輸出 token，而各模型的中位數為 9,200 萬個。Kimi K3 則是另一種昂貴：它是一個大型且始終開啟的推理模型，而每百萬個輸出 token 要價 15 美元，你買到的就是冗長。

所以，誠實的成本模型不是「$2/$6 對比 $3/$15」。而是每完成一項任務的輸出 token 數，乘以輸出費率，再加上包含每次重試在內的輸入 token 數，乘以輸入費率。一個以每百萬 $6 一次長時間執行就解決任務的模型，可以勝過一個每百萬 $15 卻需要三次嘗試的模型；但如果便宜模型的每次執行夠長，它也可能輸給後者。這是你得在自己儲存庫上跑的測量，不是任何人會替你發布的測量。

在執行之前，有一項不對稱性值得先了解：Grok 4.6 是 Grok 4.7 的前代版本，它在 200,000 個輸入 token 設有定價斷崖，一旦請求跨越這條界線，整筆請求就會以雙倍費率重新計價。Grok 這邊的長上下文作業，必須對照你所部署模型的現行費率卡來確認這一點，因為 500,000-token 視窗與 200,000-token 斷崖會產生不良交互作用。Kimi K3 的定價則是均一費率，這是兩者之中較不明顯的優勢。

各自斷裂之處

這兩個模型各有一種發表資料並未優先提及的失效模式，而且兩者是不同的失效。

Kimi K3 的問題出在持續負載下的可靠性。社群與獨立測試在推出時指出，其代理式效能會隨著執行時間拉長而衰退——單次執行的結果強勁，但持續通過率較弱——而且其輸出速度約為每秒 37 至 38 個 token，這對互動式程式設計來說偏慢。Moonshot 也在推出後不久不得不暫停新的消費者訂閱，因為需求超出容量，這也透露了代管端在服務量能餘裕上的一些狀況。

Grok 4.7 的形態恰好相反：它快速、便宜且封閉，這意味著你無法檢視它、無法自行運行它，也無法對遭到淘汰預作避險。SpaceXAI 已公開排定 Grok 4.8、Grok 4.9 與 Grok 5 在這項發布之後接續推出，而 Grok 4.6 在被取代前大約只維持了五週。任何你在 Grok 4.7 上打造的內容，都應該以模型 ID 是設定值、而非一項假設的方式來建構。

第三個考量並非任一模型的失敗：兩者都不是為期兩週自主運行的正確答案，而兩家廠商都示範過正是如此。已發表的 16 天與 48 小時自主編碼示範，是由廠商自己執行、採用廠商挑選的任務，且未經獨立重現。它們值得了解，但不值得作為規劃依據。

兩者都執行，以及為什麼那才是真正的答案

成本差距與上下文差距指向相反的方向，這正是別只挑一個的理由。Kimi K3 在儲存庫規模的工作上值回票價——在那裡，1M 視窗意味著你不必切割輸入——也在任何必須自架的情境中值回票價。Grok 4.7 則在量大的情境中值回票價——高輪次的代理迴圈、工具呼叫密集的流程，以及速度與輸出成本佔主導地位的長時間終端機工作階段。

Kimi K3 已在 OrcaRouter 上，這使得這種分工成為一項路由決策，而非採購決策。它以 Moonshot 的牌價列於目錄中，而由於 OrcaRouter 以 0% 加價直接轉嫁供應商牌價，供應商一旦宣布降價，這裡當天即生效，而不必等到下一次合約續約。對於需要長上下文處理與執行處理相互協作、而非彼此競爭的工作負載——一個模型掌握整個儲存庫的視野，另一個模型據此行動——路由 DSL 能將多個模型組成單一呼叫，而模型融合則讓一組模型在任務值得額外花費時共同作答。一組 API 金鑰即可涵蓋 Kimi K3 以及200 多個其他模型，因此這種分工中的執行部分，可以來自對該工作最便宜、最快速的模型，而非恰好持有上下文的那個模型。

有一件事必須說清楚：Kimi K3 的開放權重可以下載，但 OrcaRouter 路由到的是託管端點。如果你的需求確實是地端推論，那是得在你自己的硬體上自架的專案，而不是一項路由決策——而且這是這個比較中唯一只有單一正確答案的情境。

裁決，以及唯一要記住的那個數字

如果你以成本和速度來選擇，Grok 4.7 勝出，而且差距並不小：輸入價格只有一半、輸出價格不到一半、服務速度更快，還有一個可以調低的推理旋鈕。如果你以脈絡長度、模態廣度，或能否自己擁有模型來選擇，Kimi K3 在相同條件下勝出。如果你單純以能力來選擇，獨立綜合評比顯示兩者只差兩分，你應該依據自己的評估來決定，而不是根據任一廠商的發表圖表。

要牢牢記住的數字是最上面那一個：$2/$6 對上 $3/$15。這個比較裡其他一切都可以商量，但這個比例不行。