Grok 4.7 的技術規格
| 規格 | Grok 4.7 |
|---|---|
| 提供者 | xAI / SpaceXAI |
| 模型 ID | grok-4.7 |
| 發佈日期 | 2026 年 9 月 21 日 |
| 主要重點 | 程式開發、Agent 任務、知識型工作 |
| 輸入模態 | 文字、影像 |
| 輸出模態 | 文字 |
| 上下文視窗 | 500,000 tokens |
| 輸出限制 | xAI 未聲明文字輸出上限 |
| 推理強度 | low, medium, high, xhigh；預設為 high |
| API | Responses API、Chat Completions |
| 工具 | 函式呼叫、網頁搜尋、X 搜尋、程式碼執行 |
| 知識截止 | 2026 年 5 月 |
| 批次 API | 不支援 |
Grok 4.7 是 xAI 面向程式開發、Agent 任務與知識型工作的前沿模型。官方 API 模型 ID 為 grok-4.7。xAI 文件記載其具備 500K-token 上下文視窗，支援文字與影像輸入並輸出文字，提供可配置的推理強度，並同時支援 Responses API 與 Chat Completions。
什麼是 Grok 4.7？
Grok 4.7 是 xAI 於 2026 年 9 月 21 日發佈的新模型，定位於長時程的程式開發、Agent 工作流程與專業知識型工作。xAI 表示它採用比 Grok 4.6 更大的基礎模型，並進行更長時段的強化學習訓練，重點放在可持續數小時的任務。該模型亦被訓練可原生理解 Grok Bot harness，並著重於自我檢查與長上下文管理。
對開發者而言，重點不僅是更高的基準分數。Grok 4.7 將 500K 上下文視窗、透過 reasoning_effort 控制推理強度、工具支援及多模態輸入結合於一體，旨在支援延展性的 Agent 迴圈。
Grok 4.7 的主要特性
- 500K-token 上下文：大型上下文視窗旨在支援長篇程式庫、延長的 Agent 會話、大型技術文件與多步驟的知識型工作。
- 可配置的推理：開發者可選擇
low、medium、high或xhigh的推理強度，預設為high，以便依任務複雜度調整計算資源配置。 - 面向程式與 Agent 的優化：xAI 將 Grok 4.7 明確定位於軟體工程、Agent 任務與長時間的專業工作流程。
- 多模態輸入：API 接受文字與影像輸入並輸出文字，適用於螢幕截圖分析、視覺除錯及文件理解等工作流程。
- 原生工具支援：已記載的能力包括函式呼叫、網頁搜尋、X 搜尋與程式碼執行。
- 著重長期任務可靠性：相較 Grok 4.6，xAI 報告在自我驗證與長上下文管理方面有所提升，反映其對多小時任務的重視。 citeturn0search0
Grok 4.7 的基準測試表現
xAI 的發佈評估報告如下。這些為供應商回報的基準測試結果，因此應結合各測試的方式與設定來解讀，而非視為通用排名。
| 基準測試 | Grok 4.7 | Grok 4.6 | GPT-5.6 Sol | Fable 5.1 |
|---|---|---|---|---|
| CursorBench 4.0 | 46.3% | 40.4% | 41.7% | 51.8% |
| DeepSWE v1.1 | 71.0%* | 65.2% | 72.7% | 70.0% |
| AA Briefcase v1.1 | 1,657 | 1,546 | 1,487 | 1,678 |
| Terminal-Bench 4.0 | 38.0% | 20.3% | 37.3% | 57.9% |
| Harvey Legal Agent Benchmark | 19.6% | 15.8% | 2.5% | 6.7% |
| HealthBench Professional | 56.7% | 48.5% | 60.5% | 62.1% |
| EEBench | 64.0% | 53.0% | 39.4% | 56.4% |
*所報告的 Grok 4.7 DeepSWE 成績使用 high 強度。xAI 的表格將此列為發佈比較的一部分。
該基準表現具有任務依賴性。Grok 4.7 在所報告的程式開發、終端、法律、臨床與電機工程評估上，相較 Grok 4.6 有明顯提升，同時表格也顯示其他前沿模型在部分基準上領先。因此在評估 Grok 4.7 是否適合特定工作負載時，基準的選擇非常重要。
Grok 4.7 vs Grok 4.6 vs GPT-5.6 Sol
| 項目 | Grok 4.7 | Grok 4.6 | GPT-5.6 Sol |
|---|---|---|---|
| 上下文 | 500K | 500K | 參見供應商規格 |
| 核心定位 | 程式開發、Agent、知識型工作 | 程式開發、Agent、知識型工作 | 通用前沿推理 |
| 推理控制 | Low / medium / high / xhigh | Low / medium / high / xhigh | 由供應商定義 |
| 輸入 | 文字 + 影像 | 文字 + 影像 | 由供應商定義 |
| 工具支援 | 函式呼叫、網頁搜尋、X 搜尋、程式碼執行 | 類似的工具導向工作流程 | 由供應商定義 |
| xAI 引述的程式開發基準 | 46.3% CursorBench 4.0 | 40.4% | 41.7% |
Grok 4.7 與 Grok 4.6 同屬 500K 上下文級別，並提供相同的推理強度選項，但 xAI 在其發佈基準套件上報告 Grok 4.7 有所提升。與 GPT-5.6 Sol 相比，實際差異取決於工作負載：xAI 發佈的表格顯示，在程式開發、辦公工作、終端操作、法律工作、臨床推理與電機工程等領域，不同模型的相對表現各異。
限制與實作考量
Grok 4.7 擁有大型上下文視窗，但更大的上下文並不保證在所有長文件或 Agent 工作流程上都有更佳結果。長時間執行的應用應仍謹慎管理上下文，特別是當對話累積了工具輸出時。xAI 建議在長 Agent 迴圈中使用提示快取導向與上下文壓縮。
根據目前的模型文件，該模型尚無公開的 Batch API 支援。構建批次導向工作負載的開發者需使用已支援的同步 API 模式或採取其他部署路徑。
其基準結果由供應商回報，並會因基準設定與推理強度而變動。應將其視為特定任務的證據，而非單一的通用品質衡量。
代表性使用情境
- 倉庫級程式開發：分析大型程式碼庫、在多個檔案中實作變更、除錯失敗案例，並在長期議題歷史上進行推理。
- Agent 化軟體工程：結合推理、函式呼叫、程式碼執行與外部工具，完成多步驟工程工作流程。
- 技術文件分析：在 500K-token 上下文內處理長篇規格、架構文件、研究材料或專案紀錄。
- 視覺除錯：在文字工程脈絡旁，分析螢幕截圖、圖表與其他影像輸入。
- 專業知識型工作：起草、分析與修訂需要延展性多步驟推理的文件或結構化交付物。
- 研究與資訊工作流程：在應用允許的工具權限下，使用網頁搜尋與 X 搜尋以獲取當前外部資訊。
透過 CometAPI 存取 Grok 4.7 API 的方式
CometAPI 目前提供專門的 Grok 4.7 模型頁面，模型 ID 為 grok-4.7，並記載了 /v1/chat/completions 與 /v1/responses 兩條路由。現行 CometAPI 頁面確認 Grok 4.7 可透過其 API 層存取。
步驟 1：取得 CometAPI API Key
建立或登入 CometAPI 帳號，並從 API 主控台取得 API key。CometAPI 提供統一的 API 層，以單一帳號存取多家模型供應商。
步驟 2：選擇 grok-4.7
將 grok-4.7 作為模型 ID，並選擇符合應用需求的 CometAPI 路由。當前模型頁面列出了 /v1/chat/completions 與 /v1/responses。 citeturn1search2
步驟 3：傳送並處理回應
透過所選端點傳送使用者提示，然後在與其他 CometAPI 支援模型相同的應用流程中處理返回的回應。用於正式環境的部署中，請在鎖定實作細節之前，先驗證最新的 CometAPI 模型目錄與路由文件。