半个月前，我们写过一篇《Grok 4.7 承诺今天发布：先把「新模型当天接入 xAI API」的全套准备做齐》——当时模型卡还没影，只能教大家用脚本盯模型列表、用环境变量做灰度切换。9 月 21 日，这只靴子终于落地：SpaceXAI 正式发布 Grok 4.7，官方口径是「迄今编程和知识工作能力最强的模型」。
对开发者来说，这次发布最值得注意的不是参数，而是三件事：价格没变、速度翻倍、发布当天就能用。本文把官方公布的基准数字摊开对比、把 API 接入代码写全、把标准版和 fast 版的成本账算清楚，并讲清 Grok 4.6 用户迁移时真正需要动的地方（答案可能让你意外）。
一、发布了什么：一次「加量不加价」的换代
Grok 4.7 的定价与 Grok 4.6 完全一致——输入 $2 / 百万 Token，输出 $6 / 百万 Token——但官方声称推理速度达到同类可比模型的两倍，也就是「一半的价钱买两倍的速度」。除此之外还有几个结构性变化：
| 项目 | Grok 4.6 | Grok 4.7 |
|---|---|---|
| 发布日期 | 2026-08-12 | 2026-09-21 |
| 输入 / 输出价格（每百万 Token） | $2 / $6 | $2 / $6（不变） |
| 基础模型 | 2T 级 | 更大、全新训练的基础模型 |
| 训练方式 | 强化学习 | 更长的 RL 周期，专攻需数小时完成的困难任务 |
| fast 版本 | 无 | 输出速度 ×2，输出价 $12 / 百万 Token |
| 首日可用渠道 | Grok API 等 | Cursor、Grok Build、Grok API、第三方工具与云平台 |
三个值得记住的产品决策：一是为 Grok Bot 框架做了原生训练——8 月 11 日上线的这支「永远在线、拥有自己的电脑、在工具和应用里干活」的 Agent 团队，4.7 是它的大脑升级；二是自我验证能力被明确写进卖点，官方强调模型会更长时间地处理困难任务、更仔细地检查自己的输出；三是文档与演示生成被单独点名，知识工作场景的权重明显加大。
二、官方基准：数字先收下，结论先别下
SpaceXAI 公布的对比表把 Grok 4.7 放在 Grok 4.6、GPT-5.6 Sol 和 Claude Fable 5.1 之间（厂商自报，评测条件以官方口径为准；Fable 5.1 在 GDPval 的 Elo 为 1735，作为参照）：
| 基准 | Grok 4.7 | Grok 4.6 | GPT-5.6 Sol | Fable 5.1 |
|---|---|---|---|---|
| CursorBench 4.0（长时编码） | 46.3% | 40.4% | 41.7% | 51.8% |
| DeepSWE v1.1（软件工程） | 71.0% | 65.2% | 72.7% | 70.0% |
| Terminal-Bench 4.0（多小时图终端） | 38.0% | 20.3% | 37.3% | 57.9% |
| AA Briefcase v1.1（多小时图办公） | 1,657 | 1,546 | 1,487 | 1,678 |
| HealthBench Professional（临床推理） | 56.7% | 48.5% | 60.5% | 62.1% |
| EEBench（电气工程） | 64.0% | 53.0% | 39.4% | 56.4% |
| GDPval Elo（最大努力，专业任务众包评分） | 1,695 | 1,605 | 1,542（GPT-6 Astra） | 1,735 |
怎么读这张表？三个观察：
- 最大跃升在 Terminal-Bench：38.0% 对 4.6 的 20.3%，接近翻倍，也小幅反超 GPT-5.6 Sol（37.3%）。官方把这归因于「更长的 RL 训练 + 专攻需数小时完成的任务」——终端任务恰恰是最吃长程坚持的场景，叙事和数据是自洽的。
- 编码主战场是「性价比领先」而非「分数领先」：DeepSWE 71.0% 略低于 GPT-5.6 Sol 的 72.7%，但后者的价格是 $4/$20 每百万 Token——输出价是 Grok 的 3.3 倍。按「每美元买到的基准分」算，官方称自己站在前沿。
- 不是全项碾压。Fable 5.1 在 CursorBench、Terminal-Bench、AA Briefcase、HealthBench 上仍然全面领先，GDPval Elo 也高 40 分。如果你的任务集中在高难度前端重构或长程 Agent 编排，Fable 5.1 依然是标杆——只是它的价格是 $10/$50，输出价是 Grok 4.7 的 8 倍多。
一句话总结选型：预算敏感、终端与长时编码密集的负载，Grok 4.7 是新的默认候选；不计成本的极致任务，Fable 5.1 守擂。
三、API 接入：沿用 xAI 体系，模型 ID 换成 grok-4.7
Grok API 走 OpenAI 兼容协议，base URL 和鉴权方式与 Grok 4.6 完全一致，接入时只改模型名：
curl https://api.x.ai/v1/chat/completions -H "Content-Type: application/json" -H "Authorization: Bearer $XAI_API_KEY" -d '{
"model": "grok-4.7",
"messages": [
{"role": "system", "content": "你是一名资深后端工程师，回答精简、给可运行代码。"},
{"role": "user", "content": "用 Node.js 写一个带并发限制的队列执行器"}
]
}'
Python SDK 版本：
from openai import OpenAI
client = OpenAI(api_key="XAI_API_KEY", base_url="https://api.x.ai/v1")
resp = client.chat.completions.create(
model="grok-4.7",
messages=[
{"role": "user", "content": "审查这段 Python 代码的并发缺陷并给出修复"}
],
)
print(resp.choices[0].message.content)
如果你此前按「新模型发布日接入」那篇教程准备了轮询脚本，现在就是收获时刻——模型列表里出现 grok-4.7 后，把环境变量 XAI_MODEL 从 grok-4.6 改成 grok-4.7 就是一次完整的灰度切换，业务代码零改动。需要注意：若你的 SDK 或代理层对未知模型名有白名单校验，记得把新 ID 加进去；上线第一天各平台和第三方路由器的放量节奏可能不同步，Cursor 和 Grok Build 是首日渠道，其余路由器逐步跟进。
四、标准版 vs fast 版：这笔账用吞吐和延迟算
fast 版本的规则很简单：输出速度 ×2，输出价格 ×2（$12 / 百万 Token），输入价格不变。它不是「更聪明的模型」，而是「更贵的车道」。怎么选取决于你的场景单位成本：
- 交互式编程助手（补全、局部重构、对话式改 bug）：用户盯着屏幕等，延迟就是体验。此时有效吞吐 = 价值，fast 版贵出的 $6 摊到一次几千 Token 的回答上只有零点几美分，几乎无感，建议默认开。
- 批量离线任务（整库审查、批量生成测试、文档转换）：没有人在等，跑快一倍不产生额外收益，只产生额外账单。同样 100 万 Token 的输出，标准版 $6，fast 版 $12——这种场景请关掉 fast。
- 长输出 Agent 循环：Agent 一次跑几小时、输出几十万 Token 是常态，账单大头在输出侧。建议给 Agent 框架加一条路由规则：计划与反思阶段用标准版，最终交付长文（报告、文档、演示内容）再切 fast，或者干脆全程标准版——因为 Terminal-Bench 的成绩本来就是标准版跑出来的。
工程落地的一个朴素做法：把模型选择收敛到一个配置函数里，按「是否人在等待」这个布尔值路由，而不是按任务类型写死。
五、三条注意事项
- 厂商自报基准，先复测再上生产。 表里所有数字出自官方发布公告，评测档位（effort 设置）也不完全一致（4.7 为 xhigh，对比模型多为 max）。拿你自己仓库里 10 个真实任务做小基准，比任何发布表都可靠——尤其在你的代码风格和业务领域上和公开数据集差异大的时候。
- Grok 4.6 用户迁移近乎零成本，但注意行为差异。 价格、API 形态、上下文计费方式都没变，切换本身一行配置。但新基础模型 + 更长 RL 训练意味着输出风格会变：4.6 上调好的系统提示词、 few-shot 示例和「自我检查」触发话术，建议在 4.7 上重跑一遍回归集，别默认旧提示词仍然最优。
- 安全护栏明显收紧，双用途场景预期要变。 SpaceXAI 称 4.7 是拒绝响应和防越狱测试中最强的版本，内部 HackerBench v0.3 上仅 3.3% 的风险双用途提示通过，并已启动仅限邀请的网络安全红队能力——安全防护与可用性之间的边界在哪里，官方还在校准。如果你做安全研究、红队或生物相关工作，遇到拒绝率上升不要惊讶，官方给出的路径是申请红队资格，而不是绕护栏。
常见问题
Q：4.7 和 4.6 同价，那 4.6 还有存在的必要吗？ 短期内 4.6 仍然是低风险选项：它已经铺到了 GitHub Copilot、Amazon Bedrock 等平台，行为经过一个月生产验证。新项目直接 4.7；存量稳定 pipeline 可以等自己的回归测试跑完再迁。
Q：fast 版值得吗？ 见第四节——看「是否有人在等待」。交互场景值，批量场景不值。它是体验税，不是能力税。
Q：官方说「同类一半价格两倍速度」，可信吗？ 「两倍速度」是官方口径，需以你所在区域的实测延迟为准；「一半价格」有明确锚点——对比 GPT-5.6 Sol 的 $4/$20 和 Fable 5.1 的 $10/$50，$2/$6 的输出价确实只有前者的 30%、后者的 12%。速度自己测，价格是真的。
小结
Grok 4.7 的发布把「编程旗舰」的性价比坐标又挪了一次：$2/$6 不变的价格、号称翻倍的推理速度、Terminal-Bench 近翻倍的提升，以及 fast 车道给了交互场景一个花钱换体验的选择。对开发者，今天的行动清单很短：在 Cursor 或 Grok Build（x.ai/build 有免费额度）里拿真实任务试一轮；用第 三 节的代码把 API 接好并跑一个小基准；然后按「人在不在等」决定 fast 版开关。厂商的数字负责吸引你，你自己的 10 个任务负责做决定。