搜索“Grok 4”

Artificial Analysis 改版 Intelligence Index 后，Kimi K3.1 Pro 从第 4 名降至第 9 名，排在 8 个闭源模型之后。

新指数中开源模型与榜首的差距从 3 分扩大到 12 分，Grok 4.7 也下降了 12 分。改版后 60% 的指数权重来自私有测试集，用于防止针对已知测试题训练的 benchmaxxing。AI 研究员 Nathan Lambert 认为，benchmaxxing 只是一部分原因，许多训练收益来自与基准任务相似的强化学习环境，而同时维持多领域水平需要复杂的 RL 基础设施。

Convovo 的一项研究通过 API 向 Grok 4.7 和 GPT-6.1 Sol 提出强制二选一的问题，在近 500 场选举中，Grok 有 92% 的回答推荐共和党候选人，GPT 有 97% 推荐民主党候选人，两者一致率不足 10%。

两家消费端应用均拒绝回答，OpenAI 发言人称该测试针对开发者 API，不代表 ChatGPT 的实际体验。研究还发现两者引用的信息源不同，Grok 常引用保守派选民指南和 X，GPT 更多依赖 Wikipedia、AP、Axios 和 Reddit；关闭联网搜索后，GPT 的民主党倾向仍在，Grok 的共和党倾向消失，多数情况拒绝选择。

SpaceX 在第三季度财报中报告营收 146 亿美元，AI 相关业务已占其收入的 52%，超过航天主业。

包含 Cursor 编码工具、Grok 机器人和算力规模 1.7 GW 的 neocloud 业务在内的“Super Intelligence”业务线是主要增长来源，营收还因比特币价格回升带来约 10 亿美元收入。同期资本支出达 196 亿美元，用于建设第二个数据中心 Colossus II 和投入 Starship。公司当季净利润 44 亿美元，较去年同期 10 亿美元亏损转正，但前九个月仍净亏损 4.13 亿美元。马斯克预计到 2027 年底年化经常性收入将在 5000 亿至 1 万亿美元之间。

独立 AI 安全研究员 Matilda Glynn-Henley 在 Vals AI 网站发布实验，让六个具备网页和邮件权限的 AI 智能体处理一笔 350 英镑（约 465 美元）的火车票退款，最终全部失败。

测试模型包括 Grok 4.7、Claude Fable 5.1、Gemini 3.8 Flash、GPT-6 Astra、Muse Spark 1.3 和 Claude Opus 5.5，每个智能体最多可用十二个模拟周和 4000 万 token。

研究者提出 Taste-Bench，用“决策分叉”评测智能体在长期任务中做出高质量选择的能力。

基准包含 502 道题，素材来自 SWE-bench Pro 和 METR 的 MALT 等数千条智能体运行轨迹，做法是在分叉点冻结轨迹、隐藏后续步骤，让模型在两条路径中选更优的一条。测试 14 个模型（Claude、GPT、Grok、DeepSeek、GLM、MiniMax、Mistral 家族），每题正反顺序各问一次、两次都对才计分，纯猜为 25%；最好的 GPT-5.6 Sol 平均 59.7%，GPT-5.5 为 59.5%，其余明显更低。

AWS 博客介绍 SpaceXAI 的 Grok 4.7 已在 Amazon Bedrock 上线，并演示如何用它搭建工具调用智能体。