省token的承诺落空：Grok 4.7实测贵一倍

@theo 给三代 Grok 记了一笔细账（今天发的）。4.5 是"这个价位里的神"——快、顺手、稳定，当默认模型很扎实；4.6 是"可以原谅的走偏"——更慢更贵、每个任务多烧一大堆 token，只换来一点智能提升，他理解这是为了爬榜；4.7 就难原谅了。 他给 4.7 列了四条硬账：官方说更省 token，实际多烧 30% 到 80%；多项榜单分数反而不如 4.6；更慢、用起来更不顺手；真实成本是 4.6 的两倍以上，在实际使用里比 Astra 还贵。 体感上还有三条：前端能力差到不能接受、3D 能力等于不存在、会陷入 Gemini 式的死循环。他也承认在真实工程任务里它其实好用、榜单"讲不全故事"，但整体"一股 2025 年的味道"——在一场被大肆预热的发布里，他用"失望"收尾，并希望 SpaceXAI 团队能承认这一点、在下一个版本上重新惊艳大家。 把三代连起来看，他描述的其实是一条性价比曲线的掉头：4.5 打的是"便宜且够用"，4.6 开始用 token 换分数（可以理解），4.7 则是分数、速度、成本三头都没讨好——既没换来榜单领先，也没换来体验提升，账单却先翻了倍。 我的看法是，这篇的真正价值在于把"跑分上涨"和"使用成本"拆开记账。过去几代我们只看到榜单，直到有开发者按自己的任务实测成本，才会出现"分数没输、账单翻倍"这种结论。对选型的启发很直接：榜单管"能不能用"，真实成本管"敢不敢常用"——尤其是每天要跑几十次的默认模型，两倍成本会立刻体现在月底账单上。 边界：以上全部是 @theo 的个人实测口径，任务构成与计量方法未公开，也没有对照表；SpaceXAI 方面暂未见回应。另外"贵一倍"是他的任务集合下的结论，换一套任务、换一种缓存策略，倍数都会变——但它指的方向（4.7 在真实账单上不占优）值得当作线索看待。