先了解这件事
2026年10月6日,ARC Prize公布Grok 4.7在ARC-AGI系列基准测试上的结果。据ARC Prize评测,Grok 4.7在ARC-AGI-2最佳得分为61.4%、每任务2.01美元,低于Grok 4.6的67.1%和每任务0.76美元;在输入输出token定价相同的情况下,单任务成本上升166%。ARC-AGI-1为90.2%、每任务0.64美元,高于Grok 4.6。ARC-AGI-3在标准harness下为1.8%,在新的provider adapter harness下为10.0%。ARC Prize指出,Grok 4.7在ARC-AGI-2 semi-private任务上消耗的推理token更多,medium、high、xhigh档分别比Grok 4.6多136%、125%和173%,low档少27%,这是单任务成本上升的原因之一。另一条ARC Prize信息称,Grok 4.7推理token用量与ARC-AGI-2公开得分相关:low档平均每次测试对尝试用10k tokens、得分25%,medium到xhigh档为86k至120k tokens、得分57
AI 根据公开报道生成
最新进展 · 正式报道
Grok 4.7 推理 token 用量与 ARC-AGI-2 得分相关事件进展
2 个已确认进展
- 来源：ARC Prize
- 来源：ARC Prize
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月7日
ARC Prize一手
Grok 4.7 推理 token 用量与 ARC-AGI-2 得分相关
@SpaceXAI Grok 4.7 的推理 token 用量与其 ARC-AGI-2 公开得分相关：low 档平均每次测试对尝试用 10k tokens，得分 25%；而 medium 到 xhigh 档为 86k 至 120k tokens，得分 57.5% 至 60%。low 档更低的 token 用量可能有助于解释其更低的得分。https://t.co/uRWS99ddwk
ARC Prize一手
Grok 4.7 在 ARC-AGI 各版本跑分公布
@SpaceXAI - 排行榜：https://t.co/x8U1ItNLRj - 复现公开结果：https://t.co/vMqtds8Zet - 测试政策：https://t.co/pBoUqvXe4P - Grok 4.7 完整结果：https://t.co/3YnQwxU5lt
ARC Prize一手
Grok 4.7 在 ARC-AGI-3 得分 1.8%
@SpaceXAI 在 ARC-AGI-3 上，Grok 4.7 在标准 harness 中得分 1.8%（Grok 4.7 为 2.1%），该 harness 允许模型在各轮之间保留笔记；在新的 provider adapter harness 中得分 10.0%，该 harness 保留不透明推理并启用自动压缩。
ARC Prize一手
ARC Prize 评测：Grok 4.7 在 ARC-AGI-2 得分 61.4%，低于 Grok 4.6 的 67.1%
ARC Prize 公布 Grok 4.7 在 ARC-AGI 系列基准上的成绩：ARC-AGI-2 最佳得分 61.4%、每任务 2.01 美元，低于 Grok 4.6 的 67.1% 和每任务 0.76 美元，在输入输出 token 定价相同的情况下单任务成本上升 166%；ARC-AGI-1 为 90.2%、每任务 0.64 美元，高于 Grok 4.6；ARC-AGI-3 在标准 harness 下为 1.8%，在新的 provider adapter harness 下为 10.0%。ARC Prize 指出 Grok 4.7 在 ARC-AGI-2 semi-private 任务上消耗的推理 token 更多，medium、high、xhigh 档分别比 Grok 4.6 多 136%、125% 和 173%，low 档少 27%，这是单任务成本上升的原因之一。
ARC Prize一手
ARC Prize：Grok 4.7 在 ARC-AGI-2 推理 token 用量高于 4.6
ARC Prize 测试显示，Grok 4.7 在 ARC-AGI-2 semi-private 任务上平均消耗的推理 token 多于 Grok 4.6，导致单任务成本上升。按每次 test-pair 尝试计，medium 多用 136%、high 多用 125%、xhigh 多用 173%，low 则少用 27%。Grok 4.7 在 ARC-AGI-2 最佳成绩为 61.4%、$2.01/task，低于 Grok 4.6 的 67.1%、$0.76/task。
ARC Prize一手
ARC Prize 公布 Grok 4.7 在 ARC-AGI 上的实测成绩
ARC Prize 公布 Grok 4.7 在 ARC-AGI 上的验证成绩：ARC-AGI-1 为 90.2%（$0.64/task），ARC-AGI-2 为 61.4%（$2.01/task），ARC-AGI-3 在标准 harness 下为 1.8%（$2.7k），在 provider adapter harness 下为 10.0%（$4.8k）。Grok 4.7 在 ARC-AGI-1 上高于 Grok 4.6，但在 ARC-AGI-2 和 3 上更低；ARC-AGI-2 上 Grok 4.6 为 67.1%（$0.76/task），在输入输出 token 定价相同的情况下每任务成本增加 166%。ARC Prize 称 Grok 4.7 在 ARC-AGI-2 半私有任务上平均使用了更多推理 token，medium、high、xhigh 档分别多出 136%、125%、173%，low 档少 27%。