Grok 4.7的口碑分歧：三把尺子量不同东西

英伟达官方发了条站台帖：Grok 4.7 上线，恭喜对方的团队做出"在编程与知识工作上最强的一版"，并说自家的加速计算支持了这次训练。被引用的马斯克原话是：Grok 4.7 是"智能、速度、低成本"的强组合。 这套组合拳值得看一眼，因为厂商口径和第三方实测在这款模型上分歧明显：官方说三者兼得；评测机构 Vals 那边，4.7 在综合榜上比 4.6 低了 5 分（法律、医疗类任务进步最大）；开发者侧的体感更分裂——有人夸它在链上安全分析这类任务上能排到几个贵模型前面，也有人直接吐槽输出差、并附上成本对比说不如别家。 我的看法是，这种分歧不是谁在说谎，而是三把尺子量的不是一回事：厂商比的是"同价位下的能力"，榜单比的是加权通用分，用户比的是"我的任务跑不跑得通"。所以看到"最强""极大提升"这类表述，先问三句：跟谁比、在什么任务上、什么价。 边界：英伟达这条本身是商业合作关系下的表态，马斯克那句是官方定性；榜单分数和用户反馈都是单点、样本不大，当参考别当结论。