xAI 发布低价 Grok 4.7，但基准测试显示与 Claude、GPT-6 差距明显

xAI 发布了其迄今为止能力最强的模型 Grok 4.7。在 Artificial Analysis Intelligence Index 上，Grok 4.7 仅得 46 分，处于中游水平，明显落后于同为 53 分的 Claude Fable 5.1 和 GPT-6。在 agentic coding 类任务中，差距进一步扩大。该模型的主要卖点是价格便宜。

xAI 一直以模型能力作为核心叙事，而 Grok 4.7 虽被定位为最强版本，却在第三方基准上落后于同期竞品，且差距在 agentic coding 这一关键场景中更为突出。这意味着模型竞争的衡量标准进一步向实际任务表现和性价比倾斜，低价成为其差异化手段。

Artificial Analysis Intelligence Index 是第三方综合评测指标，得分反映模型在多类任务上的平均表现。Grok 4.7 得分 46，Claude Fable 5.1 与 GPT-6 各为 53，说明整体能力存在可量化的落差；agentic coding 更依赖多步规划与工具调用，差距扩大表明该能力维度的落后更明显。低价策略则可能是以价格换取市场份额，而非在能力上正面竞争。

对产品与研发团队而言，若业务对 agentic coding 或多步任务能力要求高，选用 Grok 4.7 可能增加调优与人工兜底成本；若场景以成本敏感、任务较简单为主，其低价可降低推理开销。评估模型时需将基准分数与单价结合，而非单看价格或单看排行榜。

• 在成本敏感的简单任务上测试 Grok 4.7，与 Claude、GPT-6 做同任务单价对比后再决定是否接入。
• 针对 agentic coding 场景建立自有的任务级评测集，避免仅依赖综合榜单做模型选型。
• 采用多模型路由策略，简单请求走低价模型、复杂 agent 任务走高分模型以平衡成本与效果。

• Grok 4.7 的具体定价数字以及与竞品的单位成本对比未在证据中给出。
• Artificial Analysis Intelligence Index 的评测方法与覆盖任务范围未说明。
• agentic coding 差距的具体数值和测试集未披露。
• Grok 4.7 是否会在后续版本中缩小与 Claude、GPT-6 的差距尚不可知。