Grok 4.7 在 Harvey 的法律代理测试中，以 Fable 五分之一的投入价格，击败了 Fable 5.1 和 GPT-5.6 Sol。

xAI 于周一发布了 Grok 4.7。 在法律代理基准测试中，它击败了 Anthropic 的 Fable 5.1 和 OpenAI 的 GPT-5.6 Sol，而每个输入代币的价格仅为 Fable 的五分之一。

Anthropic 的 Output 价格为每百万个代币 6 美元，而 Anthropic 的价格为 50 美元。

xAI发布的数据显示，Grok 4.7在Harvey Legal Agent基准测试中得分19.6%，Fable 5.1在同一测试中获得6.7%，而GPT-5.6 Sol仅获得2.5%。.

这使得 Grok 4.7 的得分约为 Anthropic 的三倍，接近 Sol 的八倍。Cryptopolitan Cryptopolitan 报道称 ，Grok 4.6 的得分已经达到 15.8%，领先于这两款加密货币。

在法律领域，Grok 4.7 的表现远超其他竞争对手，这在少数几个领域中实属罕见。它在 EEBench 电气工程测试中也轻松通过了 Fable 5.1 的测试，并在 DeepSWE 编码测试中略胜一筹。.

Grok 4.7 的定价为每百万个输入代币 2 美元，每百万个输出代币 6 美元，与 Grok 4.6 相同。该输入价格是 GPT-5.6 Sol 的 4 美元的一半，是 Fable 5.1 的 10 美元的五分之一。.

输出价格为 6 美元，而 Sol 为 20 美元，Fable 为 50 美元，约为 Anthropic 的八分之一。.

xAI 将 CursorBench 4.0 得分与完成任务的平均成本绘制成图表，并声称该模型处于性价比的前沿。Grok 4.7 在该图表中得分约为 46%，每项任务成本约为 6 美元，而 Claude Opus 5 要达到类似的结果，成本几乎是其两倍。.

Fable 5.1 在高预算下表现更佳，在每项任务约 17 美元的情况下，效率最高可达 51.8%。马斯克在 X 大会上表示，此次发布是“智能、速度和低成本的tron结合”。.

Terminal-Bench 4.0 显示 Anthropic 以 57.9% 比 38.0% 的优势领先。

在 GDPval 和 AA Briefcase 办公任务测试中，Grok 4.7 均位列 Fable 5.1 之后，排名第二。Anthropic 的模型在更长时间的编码和终端基准测试中保持着明显的领先优势。.

差距最大的是 Terminal-Bench 4.0，Fable 5.1 的得分为 57.9%，而 Grok 4.7 的得分为 38.0%，相差约 20 分。.

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

Grok 4.7 在 GDPval 上的 Elo 得分为 1,695，该评分系统对模型在律师、护士和金融分析师完成的任务上的表现进行评分，高于 Grok 4.6 的 1,605。这低于 Fable 5.1 的 1,735 分，但高于 OpenAI 最新推出的 GPT-6 Astra 在同一图表上的 1,542 分。.

Grok 4.7 在七项基准测试中的五项都优于 GPT-5.6 Sol，仅在 DeepSWE 和临床测试中落后。.

Grok 4.7 运行在 2.1 万亿个参数上，比 Grok 4.6 的 1.5 万亿个参数多了 40%。xAI 还加入了 SpaceX 的补充训练数据，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，该模型更有可能花更多时间解决棘手的问题，并仔细检查自己的答案。.

该 模型 已在 Grok 应用、Cursor、Grok Build 和 xAI API 上发布，无需等待。

本文所有数据均来自xAI自身的测试。xAI主要使用的测试工具CursorBench由Cursor公司开发，SpaceX已于上月完成对Cursor的收购。.

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