Grok 4.8 vs Grok 4.7：2.5T、C++ 訓練堆疊與五大預期變化
截至 2026-10-29，Grok 4.8 尚無可核實的公開 API、價格或對比成績。最值得比較的是複雜推理與程式開發、多模態短板、長任務可靠性。馬斯克提到 2.5T 模型、新 C++ 訓練堆疊和「明顯提升」。以下是預期分析，不是4.8實測。
發布於 2026-10-29
截至 2026-10-29，Grok 4.8 尚無可核實的公開 API、價格或對比成績。最值得比較的是複雜推理與程式開發、多模態短板、長任務可靠性。馬斯克提到 2.5T 模型、新 C++ 訓練堆疊和「明顯提升」。以下是預期分析，不是4.8實測。
¹ 美元／百萬輸入、輸出 token。核查日期 2026-10-29：4.7 有 10 條公開在售路由、4.6 有 11 條，均低至 $0.1191 / $0.3574，以市場卡片為準。grok-4.8 僅為可用性篩選，不代表已確認的可呼叫 ID。公開 API 一旦開放，APIMaster 會第一時間整合並爭取最優惠價格。
GPT 體驗卡（GPT-6 Astra、GPT-6 Sol、GPT-5.6、GPT-5.5、gpt-5.6-luna、gpt-5.6-sol、gpt-5.6-terra、gpt-6.1-sol、gpt-6-astra、gpt-6-sol和gpt-6-luna 可用）
現在註冊，領取 $20 GPT 體驗卡
Grok 4.8的五大預期變化
1. 2.5T底座
9月14日原帖提到2.5T、新C++堆疊，計畫當週完成訓練再進入RL。這不是完成或發表公告。啟用參數、MoE架構、可比較的4.7規模都未說明，不能計算參數增幅。
2. 推理與程式開發
4.7官方介紹強調更長RL、多小時任務及自我驗證。對4.8的預期是多檔案診斷、修改、驗證少走彎路，提高完成率。這是分析推論，尚無4.8跑分。
3. 多模態補短板
另一條原帖中，馬斯克明確說需要修復多模態表現，並預計4.8有明顯提升。圖表與介面截圖值得比較，但沒有特定視覺成績或原生影音API承諾。對標Opus 5.0是個人判斷；Astra/Fable說法指向4.9。
4. C++不等於API更快
訓練效率提高可能讓同樣預算支持更多實驗或訓練工作。但不能推導線上推論延遲降低、輸出速度翻倍或價格下降。
5. 長任務與上下文
4.7公開上下文為 500K token，4.8尚未公布。同樣長度下若能記住限制、引用證據、減少人工修正，就有價值。最新網頁與X資訊仍需搜尋工具，並核對路由支援。
Grok 4.7官方基準成績
來自2026-09-21官方資料。4.7通常使用xHigh，*DeepSWE使用High；4.6使用High。這是廠商成績，不是獨立4.8對比，不能填入預測分數。
| 基準 | Grok 4.6 | Grok 4.7 | Grok 4.8 |
|---|---|---|---|
| CursorBench 4.0 | 40.4% | 46.3% | 尚未公布 |
| DeepSWE v1.1 | 65.2% | 71.0%* | 尚未公布 |
| Terminal-Bench 4.0 | 20.3% | 37.6% | 尚未公布 |
| GDPval | 1605 Elo | 1695 Elo | 尚未公布 |
*DeepSWE: Grok 4.7 High.
三個看得見差異的測試
以下是評測設計，不是未發表模型的示範。兩側使用相同輸入、工具、時間與 token 預算及評分規則；重複測試並記錄失敗。
多檔案修復： 相同提交及失敗測試，修復逾時後重試造成重複扣款。比較隱藏測試、修改範圍、人工介入與總費用。
可驗證推理： 將帶有依賴、耗時、期限的12個作業排到兩台機器，要求結構化排程和校驗器。以已知可行解比較約束違規與完成時間。
文件與圖像： 相同財報、圖表、含矛盾數字的修訂表，找出正確數字並引用頁碼或行號。控制相同文字長度，兩側路由接受相同圖像。
API價格：完成合格任務的成本
4.8價格未知。官方 $2 / $6 屬於4.7，其發表時與4.6相同。2026-10-29，4.7與 4.6均為每百萬token 輸入$0.1191–$1.1212／輸出$0.3574–$3.3636。10萬輸入加2萬輸出，官方 $0.32，最低核查路由約 $0.0191，不含工具、快取和重試。少重試可能省錢，多消耗推理token也可能更貴，目前無法計算4.8節省幅度。
建立Grok 4.7測試基準
註冊 → 建立API Key → 透過 https://apimaster.ai/v1 呼叫 grok-4.7。模型ID保留為設定項，之後可同條件比較。圖像與工具支援以路由為準。
import os
from openai import OpenAI
client = OpenAI(api_key=os.environ["APIMASTER_API_KEY"], base_url="https://apimaster.ai/v1")
response = client.chat.completions.create(
model="grok-4.7",
messages=[{"role": "user", "content": "Explain how to test duplicate billing when a timed-out request is retried. Return concrete regression cases."}],
)
print(response.choices[0].message.content)
常見問題
4.8發表了嗎？
截至2026-10-29，官方目錄及發行說明尚未確認公開發表。9月訓練計畫不是公告。
會強多少？
馬斯克預期明顯提升，尚無同條件成績。
速度更快、上下文更長嗎？
均未確認。C++涉及訓練，500K是4.7規格。
APIMaster能呼叫嗎？
4.8為0條公開路由。可用4.7建立基準並查看模型卡。
來源與核查日期
2026-10-29. xAI: Grok 4.7 · xAI models · xAI release notes · Musk: 2.5T / C++ / RL · Musk: multimodal / 4.8
APIMaster: grok-4.8 · grok-4.7 · grok-4.6
註冊 → 建立API Key → 透過 https://apimaster.ai/v1 呼叫 grok-4.7。模型ID保留為設定項，之後可同條件比較。圖像與工具支援以路由為準。 grok-4.7 · 低至約 0.6 折