按更长任务训练：4.7的稳有来处

训练侧的解释终于来了：xAI 的工程师说，4.7 是在"更长的持续性问题"上训练出来的（对照 4.6），效果点名两条——上下文保持得更好、更仔细地自查自己的工作；被引用的官方发布帖则强调：这是同价、同速下的显著提升。

这一条正好把前面两篇的现场接上了：昨天那篇一天实测观察到"更稳、更保守、会自查"（连"拒绝一句 yolo"都对得上"自查自己的工作"），而成本账那篇实测出"每任务更贵、轮次更慢"——注意两种口径并不必然打架：官方的"同价同速"说的是标价与基准设置，两位实测者说的是自己任务形态下的实际消耗（effort 档位、任务结构、缓存命中都会改写真实账单）。读这类消息的动作就一个：把"标价"和"每任务成本"分开看。

我的看法：从"按更长任务训练"这七个字，能反推这一代的优化目标——不是刷短题分数，而是压低长程工作流的失败率：hold context 是少丢约束，self-check 是把返工拦在提交之前——这也正是 day-1 观察里"可预期、敢放手"的来源。

训练目标定成长程，用户的体感才会是"稳"；同时解释了它为何在"听话"上进步明显：长任务的训练样本本身就奖励服从性。

训练细节按工程师自述，官方未公开配方；"同价同速"为发布口径。