ARC Prize公布Grok 4.7在ARC-AGI三项基准成绩

1. 00:41
   ARC Prize

   Grok 4.7 推理 token 用量与 ARC-AGI-2 得分相关

   @SpaceXAI Grok 4.7 的推理 token 用量与其 ARC-AGI-2 公开得分相关：low 档平均每次测试对尝试用 10k token，得分 25%；而 medium 到 xhigh 档用 86k 到 120k token，得分 57.5% 到 60%。low 档更低的 token 用量可能有助于解释其更低的得分。

2. 00:41
   ARC Prize

   ARC Prize 公布 Grok 4.7 测试结果

   @SpaceXAI - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Grok 4.7 完整结果：https://arcprize.org/results/xai-grok-4-7

3. 00:41
   ARC Prize

   Grok 4.7 在 ARC-AGI-2 上推理 token 用量高于 4.6

   Grok 4.7 在 ARC-AGI-2 semi-private 任务的中、高、xhigh 推理档位上平均消耗的 reasoning token 均多于 Grok 4.6，导致每任务成本更高。

4. 00:41
   ARC Prize

   Grok 4.7 在 ARC-AGI-2 跑分成本大涨

   @SpaceXAI 在 ARC-AGI-2 上，Grok 4.7 的最佳得分为 61.4%，每任务成本 $2.01，而 Grok 4.6 为 67.1%，每任务成本 $0.76——尽管输入和输出 token 定价完全相同，每任务成本仍上涨了 166%。 完整结果：https://arcprize.org/results/xai-grok-4-7

5. 00:41
   ARC Prize

   Grok 4.7 在 ARC-AGI-3 的评测成绩

   @SpaceXAI 在 ARC-AGI-3 上，Grok 4.7 在标准测试框架中得分 1.8%（Grok 4.7 为 2.1%），该框架允许模型在轮次之间保留笔记；在新的提供商适配器框架中得分 10.0%，该框架保留不透明推理并启用自动压缩。

6. 00:41
   ARC Prize

   ARC Prize 公布 Grok 4.7 在 ARC-AGI (Verified) 上的评测成绩

   ARC Prize 公布 Grok 4.7 在 ARC-AGI (Verified) 上的成绩：ARC-AGI-3 为 1.8%（$2.7k，标准 harness），用 provider adapter harness 为 10.0%（$4.8k）；ARC-AGI-2 为 61.4%（$2.01/task）；ARC-AGI-1 为 90.2%（$0.64/task）。与 Grok 4.6 相比，Grok 4.7 在 ARC-AGI-1 上更高，但在 ARC-AGI-2 和 3 上更低。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。