Grok 4.7在Harvey的法律代理测试中以Fable 5.1和GPT-5.6 Sol五分之一的输入价格胜出

Grok 4.7由xAI于周一推出。 它在法律代理基准测试中击败了Anthropic的Fable 5.1和OpenAI的GPT-5.6 Sol，同时其每个输入代币的价格仅为Fable的五分之一。

输出费用为每百万代币$6，而Anthropic为$50

xAI的发布声明称，Grok 4.7在Harvey法律代理基准测试中得分为19.6%。Fable 5.1在同一测试中得分为6.7%，GPT-5.6 Sol得分为2.5%。

这使得Grok 4.7的得分约为Anthropic的三倍，接近Sol的八倍。Cryptopolitan 上月报道，Grok 4.6在该榜单上已领先于这两者，得分为15.8%。

法律工作是Grok 4.7完全优于两个竞争对手的少数领域之一。它在EEBench电气工程测试中也超越了Fable 5.1，并在DeepSWE编码测试中略胜一筹。

Grok 4.7的定价为每百万输入代币2美元，每百万输出代币6美元，与Grok 4.6相同。该输入费率是GPT-5.6 Sol的4美元的1/2，是Fable 5.1的10美元的1/5。

输出费用为6美元，而Sol为20美元，Fable为50美元，约为Anthropic价格的八分之一。

xAI绘制了CursorBench 4.0得分与每个完成任务的平均成本的关系图，并声称该模型位于性价比前沿。Grok 4.7在该图表上得分约为46%，每个任务成本约6美元，而Claude Opus 5需要近两倍的支出才能获得类似结果。

Fable 5.1在更高预算下表现更好，在每个任务约17美元时得分高达51.8%。Musk在X上表示，此次发布是“智能、速度和低成本”的强力结合。

Terminal-Bench 4.0让Anthropic领先 57.9%至38.0%

在GDPval和AA Briefcase办公工作测试中，Grok 4.7仅次于Fable 5.1。Anthropic的模型在长代码和终端基准测试中保持明显领先。

最大差距出现在Terminal-Bench 4.0上，Fable 5.1得分为57.9%，而Grok 4.7为38.0%，差距约为20分。

Fable在CursorBench和HealthBench Professional临床推理测试中也领先，GPT-5.6 Sol在这些测试中也击败了Grok。

Grok 4.7在GDPval上得分1,695 Elo，该基准对律师、护士和金融分析师完成的任务进行评分，高于Grok 4.6的1,605分。这低于Fable 5.1的1,735分，但高于OpenAI较新的GPT-6 Astra在同一图表上获得的1,542分。

Grok 4.7在七项基准测试中的五项上领先于GPT-5.6 Sol。它仅在DeepSWE和临床测试中落后。

Grok 4.7拥有2.1万亿参数，比驱动Grok 4.6的1.5万亿参数多40%。xAI包含了补充的SpaceX训练数据，包括Starlink卫星遥测数据和制造记录。

该公司表示，与Grok 4.6相比，该模型更有可能在艰巨问题上花费额外时间并双重检查其自身答案。

该 模型已在Grok应用、Cursor、Grok Build和xAI API上推出，无需等待名单。

此处所有数据均来自xAI自身的测试。CursorBench是xAI主打的测试，由Cursor制作，SpaceX上个月完成了对Cursor的收购。

xAI针对GPT-5.6 Sol进行了基准测试，OpenAI较新的GPT-6 Astra仅出现在GDPval、AA Briefcase和EEBench图表中。