模型日报 · 2026-09-22

模型日报 2026-09-22|Grok 4.7 与 MiMo-V2.6-Pro 新增 AA v4.3.2 评测

Grok 4.7 的 high 与 xhigh 两个精确配置,以及 MiMo-V2.6-Pro,首次进入本站的 Artificial Analysis v4.3.2 独立记录。三者的任务分项、500K/1M 上下文与 API 价格边界需分开阅读;当前精确 OpenRouter 付费报价尚未核验。

TODAY'S TAKE

Grok 4.7 两档与 MiMo-V2.6-Pro:先锁定精确配置,再读任务分项

三个新建独立记录

本期首次保存 Grok 4.7 (xhigh)、Grok 4.7 (high) 和 MiMo-V2.6-Pro 的 AA v4.3.2 原始观测。来源页列出的发布日期是 2026-09-21;“新增”仅指本站于本期观察到这些精确配置。

high 与 xhigh 不可混用

两条 Grok 记录的努力档位不同,即使同属 Grok 4.7,也不继承彼此的分数、历史、上下文或 API 身份。本文并不把两行差异解释为可普遍复制的“推理努力增益”。

当前 API 与价格未知

三项均没有完成本站所需的一一对应 OpenRouter 付费 variant 核验;没有把相近型号、免费变体或 AA 任务成本填成当前 API 可用性或 Token 价格。

今日主题:同一 AA v4.3.2 快照下的原始任务结果

以下数据均固定在 ,来源为 Artificial Analysis 当前模型详情与其 v4.3.2 方法。AA Intelligence Index 是来源发布的指数;本站保留各任务原值和历史,不重算总分。

三个精确配置的 AA v4.3.2 原始结果;评测单位和任务定义不同,不能横向相加
精确配置上下文AA Intelligence IndexAA-Briefcase v1.1GDPval-AA v2.1Terminal-Bench v4.0 pass@1AutomationBench-AA partial scoreAA-LCR v1.1AA-Omniscience
Grok 4.7 (xhigh)500,000 tokens46.451657.201695.2125.8%65.6%76.7%32.03
Grok 4.7 (high)500,000 tokens46.331643.881693.7224.7%63.5%77.0%30.90
MiMo-V2.6-Pro1,000,000 tokens46.321521.821673.1934.8%58.6%86.3%8.38

AA-Briefcase 与 GDPval-AA 的 Elo 是各自评测中的相对尺度;Terminal-Bench 是一次终端任务通过率;AutomationBench 的 partial score 不是完整任务成功率;AA-LCR 与 Omniscience 也测量不同任务。因而表中某一列更高,不等于在所有工作流中都更合适。

Grok 4.7:high 与 xhigh 是两条独立身份

Grok 4.7 (xhigh) 的 Intelligence Index 为 46.45,Grok 4.7 (high) 为 46.33。它们的上下文都标为 500K,但 AA 将 high 和 xhigh 作为不同的精确被测配置,站内也为两者分别保存历史。

xhigh 在本期 Briefcase、GDPval-AA、AutomationBench 与 Omniscience 的来源原值较高;high 的结果仍是独立有效观测。它不是“低一档就不适合”的结论:真正选型还应验证自己使用的 API、推理参数、工具权限、超时、失败恢复和人工接管。没有同一 exact variant 的前一条 v4.3.2 历史,本文不报告“较上一期提升”或将两个努力标签的差值归因于单一设置。

同期更新:MiMo-V2.6-Pro 的 1M 上下文与任务边界

MiMo-V2.6-Pro 的来源页标为 1M context window,并且是开放权重配置;这两项属性不替代具体任务结果。它的 Terminal-Bench v4.0 为 34.8%,而 Omniscience 为 8.38。前者和后者回答的任务不同,不能把 1M 上下文直接翻译为所有长流程场景的成功保证。

当目标是长上下文推理、终端编码、文件交付或知识问答时,先对应查看 AA-LCR、Terminal-Bench、Briefcase/GDPval-AA 或 Omniscience,再在自己的数据与权限边界内试验。开放权重、上下文窗口和单项评测分数都是选型输入,不是部署、许可或商业可用性的替代证明。

价格与 API:三条当前记录都保持未知

本期没有把任何一条 AA 评测结果改写成 OpenRouter Token 报价。Grok 4.7 的 generic OpenRouter 型号不能证明其等同于 AA 的 high 或 xhigh;MiMo-V2.6-Pro 也只有在完成精确 identity 与付费端点的逐一核验后,才会写入当前 API 可用性和价格。缺失不是 $0.00,也不代表免费或不可用。

AA 模型页显示的任务时间、评测成本和性能测量属于 AA 的评测环境,不能当成实时服务的输入、输出、缓存价格或用户账单。未来若获得可复核的一一对应 OpenRouter 端点,会作为独立的带来源和 observedAt 的历史观测更新,而不会回写本文表格。

时间、未知项与可比边界