xAI releases Grok 4.7 with improved self-verification, longer context, at $2/$6 per 1M tokens

Coverage timeline

1. Techmemelast month
   SpaceXAI releases Grok 4.7, which it says is better at verifying its own work and managing longer context, available for $2/1M input and $6/1M output tokens (xAI)

   xAI : SpaceXAI releases Grok 4.7, which it says is better at verifying its own work and managing longer context, available for $2/1M input and $6/1M output tokens — SpaceXAI's most powerful model for coding and knowledge work. Twice as fast, at half the price of comparable models.

   
2. 机器之心机器之心last month
   刚刚，SpaceXAI最强Grok 4.7发布！价格杀疯，跑分令人失望

   今天一早，SpaceXAI 最强模型 Grok 4.7 来了。 发布页开头只有一句极具「攻击性」的定位：面向编程与知识工作的最强模型，速度达到可比模型的两倍，价格只有一半。 这次升级没有停留在跑分表上。Grok 4.7 换用了更大的基础模型，强化了长时间任务、自我检查和长上下文管理能力，并把文档、演示文稿、法律、医疗和工程等专业工作纳入重点测试。它瞄准的场景很明确：让模型在持续数小时的任务里少走弯路，交出可以直接使用的结果。 马斯克发推表示，「Grok 4.7 在智能水平、运行速度和成本之间取得了很有竞争力的平衡。」 长任务，成为这一代模型的主战场 Grok 4.7 采用了比 Grok 4.6 更大的基础模型。训练阶段延长了强化学习周期，任务组合也进一步加难，其中更多样本需要数小时才能完成。SpaceXAI 称，新模型在检查自身工作、管理长上下文方面都有提升。 这类改进直接对应当前编程智能体最棘手的问题。短代码生成往往只需要局部判断，真正复杂的软件任务却包含阅读仓库、拆解需求、修改多处文件、运行测试和反复纠错。模型能否在漫长执行链中保持目标、发现错误，通常比一次写出漂亮代码更重要。 CursorBench 4.0 专门考察长时间编码任务。官方数据中，Grok 4.7 得分 46.3%，Grok 4.6 为 40.4%，提升 5.9 个百分点。在 DeepSWE v1.1 上，Grok 4.7 的高推理强度成绩为 71.0%；Terminal-Bench 4.0 则从上一代的 20.3% 升至 38.0%。 据此将 Grok 4.7 称为 CursorBench 4.0 上价格与性能均处于前沿的模型。 模型也被训练为原生理解 Grok Bot 的运行框架。按照官方说法，这项调整改善了对话任务和通用知识工作表现。换句话说，Grok 4.7 的升级重点已经从单轮回答延伸到模型与工具、执行环境之间的持续协作. 从写代码，走向完整的知识工作 编程仍是 Grok 4.7 最醒目的标签，但 SpaceXAI 给出的评测范围明显更宽。AA Briefcase 和 GDPval 关注的是专业人士日常完成的多步骤工作，覆盖律师、护士、金融分析师等岗位常见任务，也包括文档和演示文稿制作。 在 AA Briefcase v1.1 上， Grok 4.7 获得 1657 分 ，高于 Grok