Grok 4.7 编程成绩大涨,但输出 token 用量翻倍至 81k
ArtificialAnlys · x · 2026-09-22
Artificial Analysis 发布 Grok 4.7 (xhigh) 评测:Intelligence Index 得 46 分(高于 Grok 4.6 的水平),但每任务输出 81k token,是 Grok 4.6 (xhigh) 36k 的两倍多,也远高于 Muse Spark 1.3 (max) 的 60k 和 GPT-6 Astra (max) 的 27k。
用 Grok Build(其第一方编码 agent)评测的 Coding Agent Index 从 47 升至 56,三项分项全面提升:DeepSWE v1.1 从 65% 到 73%,Terminal-Bench 4.0 从 18% 到 33%,SWE-Atlas-QnA 从 58% 到 63%。能力提升伴随明显的 token 消耗膨胀。
所属事件:Grok 4.7 发布：评测能力大涨但 token 消耗翻倍引争议(25 条相关)→
「模型」频道最新
- 11 个 LLM 剑桥辩论社对决 1168 场：Claude Fable 5.2 压倒性夺冠 — AymericRoucher · 2026-11-12
- 用户实测 Claude App：widget 模块看不到用户编辑、移动端也不显示 — petergyang · 2026-11-12
- OpenAI 将下线 Standard Voice，用户发帖纪念这个「没人测的基准」 — aesthetic_legume · 2026-11-12
- Allen-Zhu新论文：Canon层随机卷积权重也能提升模型推理 — teortaxesTex · 2026-11-12
- Ricursive 发布开源权重 Ripple-65B：TerminalBench 称霸美国开源榜 — StanfordAILab · 2026-11-12
- 被严重低估的资源：跨模型跨厂商的工具调用可靠性实测 — ricklamers · 2026-11-12