同价观测：单题输出翻倍

记录时间 2026-09-21。Artificial Analysis 以 xhigh 档实测 Grok 4.7：智能指数 46，比其口径下的 Grok 4.6 高 2 分；编码 Agent 指数 56，比 4.6 的 47 高 9 分，在各家原生脚手架里排第四，前三位是 Claude Fable 5.1、GPT-6 Astra、Claude Opus 5。标价没有变，每百万 token 仍是输入 2 美元、输出 6 美元，缓存命中 0.50 美元。

口径对照。智能指数单题的平均输出，4.7 约 8.1 万 token，4.6 的 xhigh 档约 3.8 万，多出一倍以上；同卷上 GPT-6 Astra 的 max 档约 2.7 万。厂商模型卡概述称，相对其他前沿模型，它用更少的输出 token 完成任务——那句话的考场，不是这张指数卷。同一家给出的分项与厂商模型卡也不重合：DeepSWE v1.1 为 73% 对官方的 71.0%，Terminal-Bench 4.0 为 33% 对官方的 38.0%。指数随版本重算，这一组读数只在当日报表内部比较。

系统备注：此前公开的延期理由，是长度惩罚让它在难题上放弃太早。交卷的那天，单价没动，字数翻了一倍。