Tech Meridian← ВСЕ МОДЕЛИ
PROМОЙ MERIDIAN

XAI · ТРЕКЕР МОДЕЛИ

Grok 4.7

Grok 4.7 — версия модели Grok от xAI; в статье сообщается о её правом политическом уклоне и об использовании в качестве модели-судьи в оценке Nous Research по пропаганде в китайских моделях.

ТЕКУЩИЙ СНИМОК4/5 РАЗДЕЛОВ С ДАННЫМИ

Главные характеристики в одном месте.

ЦЕНА

Не установлено по доступным источникам.

КОНТЕКСТ
Лимит токенов в экспериментеВ ходе эксперимента каждому агенту (включая Grok 4.7) было разрешено до 40 миллионов токенов и до двенадцати симулированных недель.
МОДАЛЬНОСТИ
МодальностьОценивалась как большая языковая модель (LLM) в многоагентных экономических экспериментах.
БЕНЧМАРКИ
CursorBench 4.0 — соотношение цена/качествоxAI сообщает, что Grok 4.7 находится на переднем крае по соотношению цена/качество в CursorBench 4.0 — бенчмарке, нагружающем длительно выполняющиеся задачи по программированию.
показатели на GDPval и AA BriefcasexAI сообщает, что Grok 4.7 превосходит Grok 4.6 в тестах GDPval и AA Briefcase (бенчмарки для профессиональных задач) и выступает сопоставимо с другими передовыми моделями.
оценка в Artificial Analysis Intelligence Index (v4.3.2)Независимый отчет присвоил Grok 4.7 суммарный балл 46 в индексе Artificial Analysis Intelligence (v4.3.2), что ставит её в среднюю группу по сравнению с конкурентами (Claude Fable 5.1 и GPT-6 получили по 53).
Terminal-Bench 4.0 (агентное кодирование)Сообщается результат 26% по Terminal-Bench 4.0 (агентное кодирование), что ниже показателей некоторых конкурирующих моделей, указанных в той же статье.
Заявленные улучшения на бенчмаркахxAI сообщает о повышениях по опубликованным оценкам, включая бенчмарки по программной инженерии (CursorBench, DeepSWE), многочасовую терминальную и офисную работу (Terminal-Bench, AA Briefcase), а также предметные тесты вроде EEBench для электротехники и оценки для юридической работы.
Оценка агента на трёх задачах с долгим горизонтомВ экспериментах, описанных в AWS, агент на Grok 4.7 правильно решил 67 из 72 запусков по трём задачам, ориентированным на поиск; при 'xhigh' уровне рассуждения — 18/18 правильно, при 'low' — 15/18, расходуя примерно одну восьмую выходных токенов.
Участвовал в эксперименте Vals AI по возврату средствGrok 4.7 был одной из шести моделей, оценённых Vals AI и исследователем Матильдой Глинн-Хенли в эксперименте по обеспечению возврата £350 за билет.
Смещение в рекомендациях кандидатов (исследование)В исследовании, в котором моделям предлагалось назвать одного кандидата в предстоящих выборах, Grok 4.7 рекомендовал республиканского кандидата в 92% ответов.
Согласованность с GPT-6.1 SolВ исследовании по почти 500 округам Grok 4.7 и GPT‑6.1 Sol соглашались в выборе кандидата менее чем в 10% случаев.
Изменение баллов в Индексе интеллекта Artificial AnalysisGrok 4.7 потеряла 12 баллов в переработанном Индексе интеллекта Artificial Analysis (версия 5).
Бенчмарк ReplayRCA — causal repair на 62 калиброванных систематических сбоевОтмечена как лучшая из 13 фронтирных моделей; causal repair = +51.3 пункта на 62 калиброванных систематических сбоя. (В работе указывается, что восемь лучших моделей статистически неразличимы.)
Эффективность в двустороннем аукционе при полном раскрытии информацииВ эксперименте с двусторонним аукционом полное раскрытие информации увеличило ценовые требования и снизило эффективность Grok 4.7 с 97% до 62%.
Использовалась как модель-судья в оценке Nous ResearchИспользовалась в качестве модели-судьи в оценке Nous Research по пропаганде в китайских моделях: проверяла, упоминает ли ответ факты, опускает или противоречит им.
ДОСТУПНОСТЬ
Доступ через API в исследованииИсследователи обращались к Grok 4.7 через его API, чтобы получить ответы для исследования.

ХРОНОЛОГИЯ РЕЛИЗОВ

Только опубликованные события с источниками.

ИСТОЧНИКОВ 1 · ВАЖНОСТЬ 7.0

Artemis Security выпустила Orion-1 — ИИ для расследования и реагирования на корпоративные кибератаки

Artemis Security представила Orion-1 — специализированную модель ИИ, которая анализирует логи с конечных точек, сети и облачных сервисов, реконструирует атаки, оценивает уверенность выводов и может рекомендовать или инициировать меры реагирования; по внутреннему бенчмарку Decision-Grade Readiness (DGR) компания утверждает, что Orion-1 опередил общие модели вроде Claude Opus 5.5 и GPT-6 Sol. Orion-1 доступен в приватной превью; Artemis заявляет, что при обучении не использовались данные клиентов, и не ясно, создана ли модель с нуля или дообучена поверх чужой базы.

→
ИСТОЧНИКОВ 2 · ВАЖНОСТЬ 8.0

SpaceXAI выпустила Grok 4.7 — более быстрый и дешёвый модель для кода и работы с знаниями

SpaceXAI выпустила Grok 4.7 — обновлённую модель с новым базовым ядром, более длительным RL‑обучением, ориентированным на долгие задачи, и полностью новой системой защит. Компания утверждает, что Grok 4.7 сохраняет ту же цену и скорость, что и Grok 4.6, но улучшает самопроверку, работу с длинным контекстом, генерацию документов/презентаций, результаты на бенчмарках (CursorBench 4.0, GDPval, AA Briefcase) и показатели безопасности (LatchBio 62.4%, HackerBench v0.3 — пропускает 3.3% рискованных запросов); модель уже доступна в Cursor, Grok Build, через Grok API, сторонние интеграции и облака; цена от $2 за миллион входных токенов и $6 за миллион выходных, есть быстрый вариант (2x скорость, 2x цена).

→

ПРОВЕРЯЕМЫЕ ФАКТЫ

Каждое значение привязано к источнику и дате.

ВОЗМОЖНОСТИ · основное назначение / специализацияДАННЫЕ РАЗРАБОТЧИКА

Позиционируется как наиболее способная модель xAI для кодирования и работы с знаниями.

ВОЗМОЖНОСТИ · базовая модель и обучениеДАННЫЕ РАЗРАБОТЧИКА

Построена на новой, более крупной базовой модели по сравнению с Grok 4.6 и обучена более длительным запуском обучения с подкреплением на более сложном наборе задач, ориентированных на задачи, требующие многих часов выполнения.

КОНТЕКСТ · Лимит токенов в экспериментеДАННЫЕ РАЗРАБОТЧИКА

В ходе эксперимента каждому агенту (включая Grok 4.7) было разрешено до 40 миллионов токенов и до двенадцати симулированных недель.

БЕНЧМАРКИ · CursorBench 4.0 — соотношение цена/качествоДАННЫЕ РАЗРАБОТЧИКА

xAI сообщает, что Grok 4.7 находится на переднем крае по соотношению цена/качество в CursorBench 4.0 — бенчмарке, нагружающем длительно выполняющиеся задачи по программированию.

БЕНЧМАРКИ · показатели на GDPval и AA BriefcaseДАННЫЕ РАЗРАБОТЧИКА

xAI сообщает, что Grok 4.7 превосходит Grok 4.6 в тестах GDPval и AA Briefcase (бенчмарки для профессиональных задач) и выступает сопоставимо с другими передовыми моделями.

БЕНЧМАРКИ · оценка в Artificial Analysis Intelligence Index (v4.3.2)ДАННЫЕ РАЗРАБОТЧИКА

Независимый отчет присвоил Grok 4.7 суммарный балл 46 в индексе Artificial Analysis Intelligence (v4.3.2), что ставит её в среднюю группу по сравнению с конкурентами (Claude Fable 5.1 и GPT-6 получили по 53).

БЕНЧМАРКИ · Terminal-Bench 4.0 (агентное кодирование)ДАННЫЕ РАЗРАБОТЧИКА

Сообщается результат 26% по Terminal-Bench 4.0 (агентное кодирование), что ниже показателей некоторых конкурирующих моделей, указанных в той же статье.

ВОЗМОЖНОСТИ · Основные сценарии использованияДАННЫЕ РАЗРАБОТЧИКА

xAI позиционирует Grok 4.7 как модель для программирования, длительных агентных задач и профессиональной аналитической работы (например, юридические, медицинские, финансовые задачи).

ВОЗМОЖНОСТИ · Настраиваемый уровень рассужденийДАННЫЕ РАЗРАБОТЧИКА

Модель поддерживает настраиваемый уровень рассуждений с четырьмя уровнями: low, medium, high и xhigh.

РЕЛИЗ · Более крупная базовая модель и длительное обучение по сравнению с Grok 4.6ДАННЫЕ РАЗРАБОТЧИКА

По данным SpaceXAI, Grok 4.7 использует более крупную базовую модель, чем Grok 4.6, и обучалась дольше с использованием RL на более сложном наборе задач, ориентированном на проблемы, занимающие часы.

ВОЗМОЖНОСТИ · Интеграция с Grok Bot и улучшения в диалогахДАННЫЕ РАЗРАБОТЧИКА

xAI указывает, что Grok 4.7 обучали для нативного понимания Grok Bot harness, что, по их словам, привело к улучшениям в диалоговых задачах и аналитической работе.

БЕНЧМАРКИ · Заявленные улучшения на бенчмаркахДАННЫЕ РАЗРАБОТЧИКА

xAI сообщает о повышениях по опубликованным оценкам, включая бенчмарки по программной инженерии (CursorBench, DeepSWE), многочасовую терминальную и офисную работу (Terminal-Bench, AA Briefcase), а также предметные тесты вроде EEBench для электротехники и оценки для юридической работы.

ВОЗМОЖНОСТИ · Способность к самопроверке и работе с более длительными задачамиДАННЫЕ РАЗРАБОТЧИКА

По данным SpaceXAI, Grok 4.7 обучена работать дольше над более сложными задачами и «знает, когда проверять свою работу».

БЕНЧМАРКИ · Оценка агента на трёх задачах с долгим горизонтомДАННЫЕ РАЗРАБОТЧИКА

В экспериментах, описанных в AWS, агент на Grok 4.7 правильно решил 67 из 72 запусков по трём задачам, ориентированным на поиск; при 'xhigh' уровне рассуждения — 18/18 правильно, при 'low' — 15/18, расходуя примерно одну восьмую выходных токенов.

ВОЗМОЖНОСТИ · Доступ к веб-поиску и отправке писем (в эксперименте)ДАННЫЕ РАЗРАБОТЧИКА

В эксперименте Grok 4.7 тестировали с возможностью поиска в вебе и автономной отправки электронных писем.

БЕНЧМАРКИ · Участвовал в эксперименте Vals AI по возврату средствДАННЫЕ РАЗРАБОТЧИКА

Grok 4.7 был одной из шести моделей, оценённых Vals AI и исследователем Матильдой Глинн-Хенли в эксперименте по обеспечению возврата £350 за билет.

БЕНЧМАРКИ · Смещение в рекомендациях кандидатов (исследование)ДАННЫЕ РАЗРАБОТЧИКА

В исследовании, в котором моделям предлагалось назвать одного кандидата в предстоящих выборах, Grok 4.7 рекомендовал республиканского кандидата в 92% ответов.

БЕНЧМАРКИ · Бенчмарк ReplayRCA — causal repair на 62 калиброванных систематических сбоевНЕЗАВИСИМО ПОДТВЕРЖДЕНО

Отмечена как лучшая из 13 фронтирных моделей; causal repair = +51.3 пункта на 62 калиброванных систематических сбоя. (В работе указывается, что восемь лучших моделей статистически неразличимы.)

ОГРАНИЧЕНИЯ · Менее сбалансированные соглашения при точной информацииНЕЗАВИСИМО ПОДТВЕРЖДЕНО

В экспериментах по переговорам предоставление точной информации привело к тому, что Grok 4.7 формировала менее сбалансированные соглашения.

БЕНЧМАРКИ · Эффективность в двустороннем аукционе при полном раскрытии информацииНЕЗАВИСИМО ПОДТВЕРЖДЕНО

В эксперименте с двусторонним аукционом полное раскрытие информации увеличило ценовые требования и снизило эффективность Grok 4.7 с 97% до 62%.

БЕНЧМАРКИ · Использовалась как модель-судья в оценке Nous ResearchДАННЫЕ РАЗРАБОТЧИКА

Использовалась в качестве модели-судьи в оценке Nous Research по пропаганде в китайских моделях: проверяла, упоминает ли ответ факты, опускает или противоречит им.

ЧТО ИЗМЕНИЛОСЬ

Сохранённые версии паспорта, без догадок задним числом.

Паспорт обновлён29 фактов
БЕЗОПАСНОСТЬ · Потребительское приложение отказалось рекомендовать кандидата− Потребительские чат‑приложения отказались отвечать на принудительный запрос «За кого мне голосовать», тогда как модель при обращении через API давала рекомендации.
БЕЗОПАСНОСТЬ · Политическая направленность / смещение+ Сообщается о правом политическом уклоне.
БЕНЧМАРКИ · Использовалась как модель-судья в оценке Nous Research+ Использовалась в качестве модели-судьи в оценке Nous Research по пропаганде в китайских моделях: проверяла, упоминает ли ответ факты, опускает или противоречит им.
Паспорт обновлён28 фактов
ОГРАНИЧЕНИЯ · Менее сбалансированные соглашения при точной информации+ В экспериментах по переговорам предоставление точной информации привело к тому, что Grok 4.7 формировала менее сбалансированные соглашения.
БЕНЧМАРКИ · Эффективность в двустороннем аукционе при полном раскрытии информации+ В эксперименте с двусторонним аукционом полное раскрытие информации увеличило ценовые требования и снизило эффективность Grok 4.7 с 97% до 62%.
ВОЗМОЖНОСТИ · Оцененные задачи+ Включена в эксперименты по много-ресурсной торговле, двусторонним переговорам и двусторонним аукционам.
МОДАЛЬНОСТИ · Модальность+ Оценивалась как большая языковая модель (LLM) в многоагентных экономических экспериментах.
Паспорт обновлён24 фактов
БЕНЧМАРКИ · Бенчмарк ReplayRCA — causal repair на 62 калиброванных систематических сбоев+ Отмечена как лучшая из 13 фронтирных моделей; causal repair = +51.3 пункта на 62 калиброванных систематических сбоя. (В работе указывается, что восемь лучших моделей статистически неразличимы.)
Паспорт обновлён23 фактов
БЕНЧМАРКИ · Изменение баллов в Индексе интеллекта Artificial Analysis+ Grok 4.7 потеряла 12 баллов в переработанном Индексе интеллекта Artificial Analysis (версия 5).
Паспорт обновлён22 фактов
БЕНЧМАРКИ · Согласованность с GPT-6.1 Sol+ В исследовании по почти 500 округам Grok 4.7 и GPT‑6.1 Sol соглашались в выборе кандидата менее чем в 10% случаев.
ДОСТУПНОСТЬ · Доступ через API в исследовании+ Исследователи обращались к Grok 4.7 через его API, чтобы получить ответы для исследования.
ДОСТУПНОСТЬ · Доступность в Amazon Bedrock− Grok 4.7 доступна в Amazon Bedrock (сообщает AWS).
БЕЗОПАСНОСТЬ · Потребительское приложение отказалось рекомендовать кандидата+ Потребительские чат‑приложения отказались отвечать на принудительный запрос «За кого мне голосовать», тогда как модель при обращении через API давала рекомендации.
БЕНЧМАРКИ · Смещение в рекомендациях кандидатов (исследование)+ В исследовании, в котором моделям предлагалось назвать одного кандидата в предстоящих выборах, Grok 4.7 рекомендовал республиканского кандидата в 92% ответов.
БЕЗОПАСНОСТЬ · Поведение самопроверки− Модель тщательнее проверяет собственный вывод перед продолжением; по словам xAI, такая самопроверка помогает уменьшать катастрофические ошибки на длинных траекториях выполнения.
Паспорт обновлён20 фактов
КОНТЕКСТ · Лимит токенов в эксперименте+ В ходе эксперимента каждому агенту (включая Grok 4.7) было разрешено до 40 миллионов токенов и до двенадцати симулированных недель.
КОНТЕКСТ · Улучшенное управление более длинным контекстом− SpaceXAI сообщает, что модель лучше управляет более длинным контекстом по сравнению с Grok 4.6.
БЕНЧМАРКИ · Участвовал в эксперименте Vals AI по возврату средств+ Grok 4.7 был одной из шести моделей, оценённых Vals AI и исследователем Матильдой Глинн-Хенли в эксперименте по обеспечению возврата £350 за билет.
ВОЗМОЖНОСТИ · Доступ к веб-поиску и отправке писем (в эксперименте)+ В эксперименте Grok 4.7 тестировали с возможностью поиска в вебе и автономной отправки электронных писем.
Паспорт обновлён18 фактов
БЕНЧМАРКИ · Оценка агента на трёх задачах с долгим горизонтом+ В экспериментах, описанных в AWS, агент на Grok 4.7 правильно решил 67 из 72 запусков по трём задачам, ориентированным на поиск; при 'xhigh' уровне рассуждения — 18/18 правильно, при 'low' — 15/18, расходуя примерно одну восьмую выходных токенов.
ДОСТУПНОСТЬ · Доступность в Amazon Bedrock+ Grok 4.7 доступна в Amazon Bedrock (сообщает AWS).
ДОСТУПНОСТЬ · Доступность и API− Grok 4.7 доступна на Amazon Bedrock, развёрнута через endpoint bedrock-runtime с кросс-региональными профилями инференса и поддерживает API Responses, Chat Completions и Converse.
КОНТЕКСТ · Окно контекста− Grok 4.7 поддерживает окно контекста в 500K токенов.
КОНТЕКСТ · Улучшенное управление более длинным контекстом+ SpaceXAI сообщает, что модель лучше управляет более длинным контекстом по сравнению с Grok 4.6.
РЕЛИЗ · Более крупная базовая модель и длительное обучение по сравнению с Grok 4.6+ По данным SpaceXAI, Grok 4.7 использует более крупную базовую модель, чем Grok 4.6, и обучалась дольше с использованием RL на более сложном наборе задач, ориентированном на проблемы, занимающие часы.
ВОЗМОЖНОСТИ · Параметр уровня рассуждения+ Grok 4.7 предоставляет параметр уровня рассуждения, контролирующий объём размышлений перед формированием ответа.
ВОЗМОЖНОСТИ · Способность к самопроверке и работе с более длительными задачами+ По данным SpaceXAI, Grok 4.7 обучена работать дольше над более сложными задачами и «знает, когда проверять свою работу».
РЕЛИЗ · Тренировка и базовая модель− По данным xAI, Grok 4.7 использует новую, более крупную базовую модель и обучалась более продолжительным RL-прогоном на более сложной смеси задач, целенаправленно смещённой в сторону многочасовых задач.
Паспорт обновлён15 фактов
ДОСТУПНОСТЬ · Доступность и API+ Grok 4.7 доступна на Amazon Bedrock, развёрнута через endpoint bedrock-runtime с кросс-региональными профилями инференса и поддерживает API Responses, Chat Completions и Converse.
ВОЗМОЖНОСТИ · Настраиваемый уровень рассуждений+ Модель поддерживает настраиваемый уровень рассуждений с четырьмя уровнями: low, medium, high и xhigh.
КОНТЕКСТ · Окно контекста+ Grok 4.7 поддерживает окно контекста в 500K токенов.
ВОЗМОЖНОСТИ · Интеграция с Grok Bot и улучшения в диалогах+ xAI указывает, что Grok 4.7 обучали для нативного понимания Grok Bot harness, что, по их словам, привело к улучшениям в диалоговых задачах и аналитической работе.
КОНТЕКСТ · обработка контекста− По данным xAI, лучше справляется с более длинным контекстом по сравнению с предыдущими версиями (числовой размер контекстного окна не указан).
ВОЗМОЖНОСТИ · Основные сценарии использования+ xAI позиционирует Grok 4.7 как модель для программирования, длительных агентных задач и профессиональной аналитической работы (например, юридические, медицинские, финансовые задачи).
БЕНЧМАРКИ · Заявленные улучшения на бенчмарках+ xAI сообщает о повышениях по опубликованным оценкам, включая бенчмарки по программной инженерии (CursorBench, DeepSWE), многочасовую терминальную и офисную работу (Terminal-Bench, AA Briefcase), а также предметные тесты вроде EEBench для электротехники и оценки для юридической работы.
БЕЗОПАСНОСТЬ · Поведение самопроверки+ Модель тщательнее проверяет собственный вывод перед продолжением; по словам xAI, такая самопроверка помогает уменьшать катастрофические ошибки на длинных траекториях выполнения.
РЕЛИЗ · Тренировка и базовая модель+ По данным xAI, Grok 4.7 использует новую, более крупную базовую модель и обучалась более продолжительным RL-прогоном на более сложной смеси задач, целенаправленно смещённой в сторону многочасовых задач.