昨晚看到 Grok 4.7 发布我原本的计划是当天就切。理由看起来都成立价格还是 $2/$6和一个月前发布的 Grok 4.6 一样——上一代就是靠砍半定价打出来的当时我写过接入踩坑那次的教训是「价格砍半是真的但 5 个坑让我多花了 3 倍钱」。这次单价没变官方基准倒是全线上涨Terminal-Bench 4.0 从 20.3% 到 38.0%CursorBench 4.0 从 40.4% 到 46.3%DeepSWE v1.1 从 65.2% 到 71.0%。GitHub Copilot 也在分批推送这个模型。又便宜、又变强为什么不用第二天当我把 API 账单和独立评测数据放在一起看才发现自己被单价骗了。下面 5 个坑每一个都是我实际踩过的。坑 1单价低 ≠ 账单低——token 消耗是 4.6 的 2.25 倍最直观的理解是$2/$6 的单价只有 Fable 5.1 和 GPT-6 Astra$10/$50的五分之一切过去立省六成。但账单不是按 token 单价算的是按「完成一个任务花多少钱」算的。Artificial Analysis 的独立测试数据给出了一个刺眼的数字Grok 4.7 的 xHigh 推理档每完成一个 Intelligence Index 任务要消耗约 81,000 个输出 token——Grok 4.6 High约 36,000GPT-6 Astra Max约 27,000Grok 4.7 xHigh约 81,000比 4.6 多 125%比 Astra 多 196%换算成单任务成本Grok 4.7 xHigh约 $3.74Grok 4.7 High约 $2.73GPT-5.6 Sol Max约 $1.99——注意它的挂牌价是 $4/$20按单价比 Grok 贵一倍结论反直觉一个单价低一半的模型因为 token 消耗多两三倍单个任务的账单反而更贵。这个结果和官方宣传是反着的。Musk 在发布前几天的原话是4.7 比 4.6 「各方面都更强只是响应稍慢token 效率更好」。AA 的数据把这句话拆成了两半慢是真的——输出速度约 188 tokens/s单个 Intelligence Index 任务平均要跑 7.1 分钟「token 效率更好」不成立——xHigh 档的消耗是上一代的 2.25 倍。另外 AA 还测了一个对长任务很关键的数字Grok Build 配 4.7 xHigh 在 AA 的 Coding Agent 基准上平均要花 $8.82、39.2 分钟跑完一个任务而 4.6 xHigh 是 $3.57、19.5 分钟。分数上去了单任务的钱包和时间都翻了一倍。如果你在用 agentic 任务路由这是切换前必须算的一笔账# 单任务成本核算输入/推理/输出 token 分开计价deftask_cost(in_tokens,out_tokens,reasoning_tokens0):rate_in,rate_out2.0,6.0# Grok 4.7 标准版 $/1Mreturn(in_tokensreasoning_tokens)*rate_in/1e6out_tokens*rate_out/1e6# 例一个多轮 agent 任务输入 110 万 token多轮工具调用累积上下文# 推理 53 万输出 8.1 万AA 实测 xHigh 档单任务输出量级print(f${task_cost(1_100_000,81_000,530_000):.2f}/ task)# → 约 $3.74和 AA 独立测试的 xHigh 单任务成本对得上坑 2基准双口径——38% 还是 26%信哪个第二个坑更隐蔽同一个基准官方口径和独立口径差了 12 个百分点。Terminal-Bench 4.0来源Grok 4.7参照xAI 官方38.0%4.6 是 20.3%Artificial AnalysisxHigh约 26%GPT-6 Astra xHigh 59.6%、Claude Opus 5 max 约 49%DeepSWE v1.1 的 71.0% 同样是官方口径。AA Intelligence Indexv4.3.2十个基准综合上Grok 4.7 得 46 分比 4.6 High 档高 2 分——提升真实但幅度有限。换个口径更直观AA 的 Coding Agent Index 里Grok Build 配 4.7 xHigh 得 56 分排在 Fable 5.1、GPT-6 Astra 和 Claude Opus 5 之后列第四。社区反应也分裂有人盯着 CursorBench 46.3% 配 $2/$6 的单价觉得这个性价比「离谱得好」也有人盯着 Terminal-Bench 的独立分数直接用了「糟糕」这个词。我的做法是引用基准永远带口径做路由决策时以独立口径为准。官方口径看「比上一代强多少」有用看「比对手强多少」没有用。还有一个容易忽略的变量推理档位。Grok 4.7 支持从 low 到 xHigh 的推理强度设置API 文档默认是 high但官方 model card 里的头条数字大多是在 xHigh 档跑出来的——token 消耗最大的那一档。AA 的测试用的也是 xHigh。同一个模型high 和 xHigh 的账单能差出一截比较两家模型时必须把档位对齐不然比的不是模型是档位。好消息也有AA 的幻觉率测试里4.7 xHigh 是 29%比 4.6 high 的 34% 低 5 个百分点长文档问答场景的可靠性是实打实提升的。后面还有3个类似的坑每一个都让我怀疑人生——【关注后查看完整避坑手册】坑 320 万 prompt token 以上价格翻倍Grok 4.7 的定价有个隐藏阶梯prompt ≤200K token$2/$6prompt 200K token$4/$12整体翻倍短对话、单文件改动这种任务上下文很容易控制在 20 万以内。但长程 agent 任务最容易越线——工具调用、文件读取、循环重试上下文一轮轮往上叠跑到第三个小时可能已经 30 万 token。此时整个请求按 $4/$12 计价。算一笔账一个长任务累积 25 万输入、3 万输出# 越线核算prompt 超过 20 万按高档计价deftier_cost(prompt_tokens,out_tokens):ifprompt_tokens200_000:return(prompt_tokens*4.0out_tokens*12.0)/1e6return(prompt_tokens*2.0out_tokens*6.0)/1e6print(f${tier_cost(250_000,30_000):.2f})# → $1.36print(f${tier_cost(150_000,30_000):.2f})# → $0.48# 同一个任务只是上下文越线成本差 2.8 倍接入后建议盯一下实际上下文的堆积量大多数 agent 框架不会主动提示需要自己从响应的 usage 字段抓。还有一个隐藏变量缓存。Grok 4.7 的缓存命中价格是 $0.50/M和标准输入 $2/M 差 4 倍。长任务里如果上下文大量命中缓存实际成本会比按 $2/M 算低不少——但缓存命中率取决于你的请求模式不能假设它一定高。usage 字段里的 cached_tokens 要单独记算成本时缓存部分单独计价不然会把缓存的功劳算丢、或者把超线惩罚算丢importjson,urllib.request requrllib.request.Request(https://api.x.ai/v1/chat/completions,headers{Authorization:Bearer TOKEN,Content-Type:application/json},datajson.dumps({model:grok-4.7,# 以控制台实际模型名为准messages:[{role:user,content:echo hello}],}).encode(),)rjson.loads(urllib.request.urlopen(req,timeout60).read())print(r[usage])# prompt_tokens / completion_tokens / cached_tokens判断计价档位的关键把 usage 落盘存成 CSV跑几个任务后就能看出自己的上下文增长曲线是线性堆积还是每轮翻倍直接决定你会不会在任务中途越过 200K 那条线。坑 4Cursor 里 Fast 是默认档价格是两倍如果你在 Cursor 里用 Grok 4.7$2/$6 这个价格离你的账单更远。Cursor 提供了 Fast 档价格是标准档的两倍$4/$12并且对 Pro 及以上套餐默认使用 Fast。超过 256K 输入上限 500K还有更高一档标准版 $4/$12Fast $6/$18。也就是说Pro 用户在 Cursor 里跑长任务实际拿到的「单价」可能是 $6/$18——是 API 标准版低档的三倍。切之前要么在 Cursor 的模型设置里手动切回标准档要么直接按 Fast 档的价格去算账单。这个坑在 Cursor 里尤其隐蔽因为 Pro 及以上套餐默认就是 Fast——你不做任何设置跑的就是两倍价。很多人以为是「用了 Cursor 的 Grok 4.7」实际上用的是「Cursor 的 Grok 4.7 Fast」。切之前先去模型设置里确认一下当前档位比什么都重要。另外注意 Cursor 的长上下文计价和 API 不一样API 的阶梯线在 200KCursor 的在 256K。同一个 22 万 token 的输入在 API 上已经按高档计费在 Cursor 上还按标准档。两处价格表要对各自查不能拿一套阶梯套两个平台。坑 5Fast 档没有公开的 TPS 数字还测不了最后一个坑是信息坑Fast 档卖点是「2 倍速度」但官方没有公布任何 tokens/sec 数字截至发稿也没有独立的吞吐量实测。更麻烦的是Fast 档只存在于 Cursor 和 Grok Build 里公开 API 上调用不到——想复测「到底快多少」没有 API 层面的入口只能在 Cursor 里拿同一批任务手动计时对比。多付一倍的钱却连「快多少」都无法验证。如果你是延迟敏感的场景比如终端 Agent 需要快速反馈不能拿「2 倍速度」这句话做决策最低成本的做法是先在 API 上量出标准档的基准吞吐再在 Cursor 里对 Fast 档做人工计时importtime,json,urllib.requestdefapi_tps(prompt写一个 Python 函数合并两个有序列表):requrllib.request.Request(https://api.x.ai/v1/chat/completions,headers{Authorization:Bearer TOKEN,Content-Type:application/json},datajson.dumps({model:grok-4.7,messages:[{role:user,content:prompt}]}).encode(),)t0time.time()rjson.loads(urllib.request.urlopen(req,timeout120).read())dttime.time()-t0 outr[usage][completion_tokens]returnout/dt,dt# 标准档各跑 5 轮取中位数作为「1 倍速」的锚点# 再在 Cursor 里对同一 prompt 用 Fast 档计时两个数一比2 倍速是真是假就清楚了print(api_tps())算清真实账单的 5 步踩完这些坑我把切模型的流程固化成了 5 步对任何模型都适用选 10-20 个内部真实任务长短混合单文件改动、跨文件重构、终端操作。不要拿 benchmark 任务替代——benchmark 的 token 分布和你自己的业务分布差很远AA 测的是它的任务集你的账单是你的任务集决定的每个任务在新模型上跑一遍记录 prompt_tokens、completion_tokens、推理 token、重试次数、人工介入次数。重试次数最容易被漏掉但它恰恰是 token 消耗的主要放大器算单次成功完成成本不是按 token 单价用坑 1 的公式。注意是「成功完成」——跑了 3 轮才成功的任务成本要摊 3 轮同一批任务在旧模型上跑一遍对比单任务成本、成功率、耗时。三个数分开看有的模型便宜但慢有的快但成功率低单看任何两个数都会做错决策设账单告警单日花费超过切换前基线的 1.3 倍就停下来查路由。切完的头一周是账单波动最大的时候告警阈值给足缓冲第 5 步最简做法是个每日对账的小函数# 最小账单监控单日花费对比基线defcheck_daily_spend(spend_usd,baseline_usd,threshold1.3):ifspend_usdbaseline_usd*threshold:print(f[ALERT] 单日花费 ${spend_usd:.2f}超过基线 ${baseline_usd:.2f}×{threshold})returnFalsereturnTrue避坑总结Grok 4.7 不是烂模型——相比 4.6 的进步是实打实的Terminal-Bench 17.7 个百分点、DeepSWE 5.8 个百分点、幻觉率降 5 个百分点$2/$6 的价格在西方旗舰里也确实便宜。但这次发布的信号值得记住模型厂商的代际叙事是「更强、更快、更省」而这次交付的是「更强、更慢、更费」。每一项代际对比的数字都涨了但账单的对比方向是反的。切换之前有三件事必须想清楚单价低 ≠ 账单低token 消耗比 4.6 多 125%xHigh 单任务成本 $3.74高于更贵的 GPT-5.6 Sol Max基准有双口径官方 38% 对独立 26%选型以独立口径为准两个隐形加价200K 以上价格翻倍、Cursor Fast 默认两倍速查参考场景建议短任务、低推理档、成本敏感用 4.7 High性价比真实约为 Fable 5.1 单任务成本的 1/3长程 agent 任务先做 5 步成本核算再决定别信单价想用 xHigh 啃难任务预算按 2 倍留并用独立口径校准预期在 Cursor 里想要 $2/$6 的价格手动关掉 Fast并留意 256K 档位回到开头那个问题又便宜、又变强为什么不用答案是「可以用但要按它的真实账单用不是按它的单价用」。Grok 4.7 适合的场景是明确的——短任务、低推理档、对延迟不敏感的成本敏感型调用不适合的场景也明确——长程 agent 任务和高推理档位的深度任务这两块正是它 token 消耗涨得最凶的区域。下次再遇到「低价高性能」的新模型别急着切。先算单任务成本——账单永远比单价诚实。延伸阅读Grok 4.6 API 接入踩坑实录价格砍半是真的但 5 个坑让我多花了 3 倍钱Claude Fable 5.1 缓存降价 75%为什么有人迁移后账单反而贵了 20%系列文章DeepSeek V4 Pro 下线又撤回的 72 小时deepseek-flash 上位5 步迁移 完整价格表GLM-5.3-Flash 正式版迁移踩坑免费窗口今天截止1/40 的价格也有 5 个坑Manus 数据 8/23 删除备份窗口明天 07:59 关闭5 个坑 5 步迁移清单Grok 4.6 API 接入踩坑实录价格砍半是真的但 5 个坑让我多花了 3 倍钱踩过的坑都写在这里了。关注我 第一时间获取更多实测避坑指南。