马斯克确认 Grok 4.7 推迟数日，自曝 RL 训练惩罚过重
9月12日，马斯克在 X 上确认 xAI 新模型 Grok 4.7 推迟发布，还需「再烹几天」继续打磨。他罕见公开复盘训练细节：团队可能在强化学习（RL）训练中对回复长度的惩罚设置过重（或类似问题），导致模型在面对其实能够完成的困难任务时过早放弃，并且在自查工作时的严谨性也不够，发布前需要继续修复。
已确认
- Grok 4.7 截至 9 月 13 日尚未发布，马斯克称还需「再烹几天」
- 延迟原因由马斯克本人主动披露：RL 中对回复长度惩罚过重，模型会过早放弃本可解出的难题，且很少自查自己的工作
- 据 @MicahBerkley 转述，Grok 官方账号在回复网友时也确认该模型原计划近期发布，但仍需数天 RL 调优
尚未确认
- 马斯克使用「可能」等措辞，具体训练 bug 的细节与严重程度未经 xAI 官方技术文档证实
- 新的确切发布日期未公布
为什么重要
- 这是厂商高管少见的将模型行为缺陷直接归因到训练机制层面的公开表态，为外界了解前沿模型的 RL 训练权衡提供了罕见一手信息
- @nimaowji 分析指出这是训练层面的 bug 而非缺少功能，意味着修复涉及重新调整训练，而非简单补功能，也解释了发布推迟的合理性
2026-09-12 ~ 2026-09-13 · 7 条相关
一手来源
- Grok 4.7 推迟上线,Musk 称还需几天,归因于训练 bug — nima_owji ·
- 马斯克称强化学习惩罚过重,xAI 推迟数日发布 Grok 4.7 — emmanuelvivier ·
- 马斯克：Grok 4.7 再等几天，RL 惩罚回复长度致任务提前放弃 — inductionheads · 2026-09-12
- Musk 详解 Grok 4.7 延期原因:RL 惩罚过度导致过早放弃难题 — minchoi · 2026-09-12
- 【源头】Grok 4.7 推迟上线,Musk 称还需几天,归因于训练 bug — nima_owji · 2026-09-13
- Grok 官方回应:Grok 4.7 还差几天 RL 调优,曾过早放弃难题 — MicahBerkley · 2026-09-13
- 【源头】马斯克称强化学习惩罚过重,xAI 推迟数日发布 Grok 4.7 — emmanuelvivier · 2026-09-13
另有 2 条近重复转述:Scobleizer · rohanpaul_ai