@SpaceXAI 在 ARC-AGI-2 上跑了一轮新成绩，结果有点尴尬：Grok 4.7 的最佳得分是 61.4%，每任务成本 $2.01；而上一代 Grok 4.6 的得分是 67.1%，每任务成本只要 $0.76。

得分从 67.1% 掉到 61.4%，成本却从 $0.76 涨到 $2.01。算下来，每任务成本上涨了 166%。

打开网易新闻 查看精彩图片

定价没变，账却更贵了

更让人困惑的是，输入和输出 token 的定价完全相同。也就是说，单价没动，但跑完一个任务要花的钱翻了不止一倍。

这意味着成本上涨不是价格调整带来的，而是任务执行过程中消耗的 token 变多了——同样的题，新版本花了更多的量去解。

完整结果已经公布在 ARC-AGI-2 的页面上，链接为 arcprize.org/results/xai-grok-4-7。

分数和成本，这次没站在同一边

通常版本迭代会带来分数提升，或者至少成本优化。Grok 4.7 这次两项都没占到：分数更低，成本更高。

对于关注推理模型实际使用成本的人来说，这组数字提供了一个具体的参照——在 ARC-AGI-2 这个基准上，新版本的性价比出现了明显倒退。