Grok 4.7 评测排名反而比上一代低5分

Grok 4.7 在 Vals 的评测结果出来了：Vals Index 上排第 24，得分 54.2%。 和自家上一代比，这不算好消息：Grok 4.6 是第 14、59.2%，也就是说 4.7 比 4.6 低了 5.0 分；不过仍高于 Grok 4.5（第 30、51.5%）。Vals 的说法是，Grok 4.7 进步最大的地方在法律和医疗类任务上。 同一款模型，一边被介绍成"值得注意的改进"，一边在综合榜上比上一代低 5 分，这两件事其实不冲突。综合榜考的是各领域的加权混合，厂商优化的是具体场景；法律和医疗涨了，其他环节可能掉了，加权之后就是负分。 我关心的另一点是评测口径。指数、名次、百分点这些数字看着客观，但各家题集和权重不一样，第 24 名不等于"不好用"。真要判断，还是得回到自己在意的那类任务上：如果你做的是知识密集型的法律、医疗问答，这次的进步方向对你有意义；如果主要拿它写代码或做前端，那就得看相应的专项 benchmark 和自己的实测，而不是这一个总分。 Vals 这条只给了指数名次和分数，没展开分项数据，具体强在哪、弱在哪，还得等完整报告。