Grok 4.7 刚上线，这一期的测评依然在 Pi 平台上接入，思考强度直接拉到最 xhigh，还是那套祖传测试用例，逐题开干。

第一题是强约束指令遵循的句子生成测试。逐句看下来，所有句子的结尾都按要求落在 1 到 10 之间，句子本身也基本通顺，只有最后一句翻车了。口语里我们偶尔确实会那样说，但放到书面语里语法上就不太对——说「满分 100，他考了 90」没问题，前后呼应；但换成「这有苹果 10 个，他拿了一」，就明显别扭了，总感觉要补上「分」这个单位才舒服。大家觉得呢？

第二题是鹈鹕骑自行车的 SVG 测试（沿土星环轨道做 360° 环形骑行）。从最后的输出看，它转弯是通过淡入淡出方式解决的。实际效果有几个问题：一是转弯时的衔接明显不理想，看着接不上；二是车轮总感觉是反着转的；三是内层的土星环画反了——上方部分应该被土星挡住，面向我们的下方部分则不该被挡住。

第三题是复合弓射箭的 SVG 测试。复合弓和射箭整体还可以，唯一想吐槽的是那个小人：知道这只是个 SVG，但手也不至于长到脖子上吧，看着怪吓人的，这不是拍恐怖片。

第四题是做一个精美的浏览器操作系统。实际玩下来，右上角的弹窗功能没问题，Dock 栏里的应用功能也没问题，但整体 UI 很一般。压轴的太空游戏玩起来有点别扭：方向控制等都没问题，只是射击的反向我更倾向于一直往前，和一般的射击游戏一样，玩家靠左右前后闪躲来走位。不过这是个开放式游戏，不能说它错，只能说不是最佳实践。

第五题是实现一个 3D 赛车游戏。这题有点奇怪，几分钟就写完了，几乎没怎么思考，不像其他题要思考很久才动笔。结果一玩，游戏一直开始不了，估计有 bug；打开调试模式一看，确实有变量没有定义，是个挺低级的错误。看来问题就出在思考环节上，没想到 Grok 竟然会犯这种错误。

第六题是不用第三方库实现一个高颜值的 Trello 看板。这题花的时间就有点长了，20 分钟左右，然后就出现了 provider unavailable，只能切换到 DeepSeek V4 让它帮忙检查 Grok 这边出了什么问题，最终诊断是 Grok 服务端故障，这道题没法继续，只能五五开进行打分。

这次测评就先到这，大家看完后觉得这个模型怎么样？评论区聊聊。