xAI发布Grok 4.7：编程旗舰CursorBench得分提升至46.3%，维持50万上下文与2美元低价
发布时间：2026年09月21日 09:00:00xAI于9月21日发布新一代旗舰模型Grok 4.7，定位编程与知识工作，保留Grok 4.6的50万token上下文和每百万token 2美元输入、6美元输出定价，CursorBench 4.0得分从40.4%提升到46.3%，在旗舰模型普遍涨价的背景下选择加量不加价
xAI 的新旗舰：继续押注编程场景
9月21日，马斯克旗下 xAI 正式发布新一代旗舰大模型 Grok 4.7，明确将编程（coding）与知识工作（knowledge work）作为核心定位。这是 Grok 4.6 之后的又一次常规迭代，但升级策略透露出 xAI 与竞争对手截然不同的商业选择。
性能：CursorBench 4.0 提升近6个百分点
Grok 4.7 最关键的提升落在真实编程任务评测 CursorBench 4.0 上：
| 指标 | Grok 4.6 | Grok 4.7 |
|---|---|---|
| CursorBench 4.0 | 40.4% | 46.3% |
| 上下文窗口 | 500K token | 500K token（不变） |
| 输入价格 | $2 / 百万token | $2（不变） |
| 输出价格 | $6 / 百万token | $6（不变） |
CursorBench 由 AI 编程工具 Cursor 团队推出，测试题目来自真实开源仓库的 issue 和开发任务，比传统算法题更能反映模型在工程环境中的实际表现。近6个百分点的提升，意味着 Grok 在「读懂大型代码库→定位问题→提交可用补丁」这条链路上的成功率明显提高。
加量不加价的反套路打法
2026年下半年，头部模型市场的主旋律是分化定价：旗舰模型价格不断走高，廉价快速模型单独切出。Anthropic Claude Opus 5 的定价为每百万token 5美元输入、25美元输出，高端任务成本可观。
Grok 4.7 反其道而行：
- 上下文不减配：500K token（约合30-40万汉字）足以一次性吞入中型代码库；
- 单价维持在旗舰最低档：2/6美元的定价仅为 Opus 5 的 40% 和 24%；
- 升级直接覆盖：现有 API 开发者无需迁移即可使用新模型。
对预算敏感的开发者和中小型团队而言，这让 Grok 成为「长上下文+低单价+强编程」组合中少有的选择。
旗舰大战的三方卡位
Grok 4.7 发布的时点颇为微妙。本周市场传闻 OpenAI 即将发布 GPT-6 Sol，定价可能下探到 2.5/15 美元区间，而 Anthropic 被曝可能提前推出 Claude Opus 5.5 应战。xAI 选择在传闻落地前一周更新旗舰，有明显的「卡位」意图：
- 对 OpenAI：用已确认的低价和编程评测成绩，抢先锁定观望中的开发者；
- 对 Anthropic：用四分之一的输出价格争夺对成本敏感的编程客户；
- 对自身：Grok 系列此前在通用知识问答上口碑不弱，但企业级编程一直是 Anthropic 的主场，46.3% 的成绩是 xAI 对这块市场最直接的喊话。
实际使用值得关注的三点
- 长上下文代码审查：500K 窗口可以把整个微服务仓库连同提交历史一起送入，适合大规模重构前的影响面分析；
- Agent 编程链路：CursorBench 类任务通常包含多步工具调用，分数提升通常意味着模型在自动化修 bug、写测试等 Agent 场景更可靠；
- 成本可控的日常使用：低价让「让模型常驻 IDE 做补全和审查」的高频用法在经济上可行。
当然，单一基准的提升不等于全面领先——Grok 在数学推理、长程 Agent 任务上的表现还需要第三方独立评测验证。但当同行都在把旗舰模型做成「奢侈品」时，xAI 用 Grok 4.7 证明了另一条路：把旗舰能力压进大众价格带，用规模换生态。
来源参考：AI/TLDR 模型发布追踪、xAI 官方发布说明