@kunchenguid: grok 4.7 第一天观察：忽略那些称其糟糕的报告，他们仅引用公开基准…

grok 4.7 第一天观察 忽略那些说“它很糟糕”的报告，他们唯一引用的是一个公开基准。同样的基准曾告诉我们 opus 5 比 fable 更好——这些基准毫无用处 也忽略那些将模型与3D游戏比较的报告——那不是实际工作。那只是为了社交媒体上的关注 我全天使用 grok 4.7 作为我的 firstmate，它确实是一个非常可靠的模型，相较于 4.5 有明显改进（我忽略了 4.6，因为根据我的经验，4.5 表现更好） 与 4.7 的关键区别 - 1. 它非常、非常紧密地遵循系统提示 我注意到 firstmate 展示了许多以前从未见过的新行为，例如要求我命名具体可以绕过的红色 CI 检查，并拒绝简单的“yolo”指令 我追溯了一下，这确实是在 firstmate 的系统提示中我如何指导它的，但其他模型都没有足够紧密地遵循，以至于这种行为不明显——grok 4.7 是第一个捕捉到这一点的 还有其他几个类似例子。所以对我来说，这是一个明显的行为差异 2. 它非常“稳定” 如果你使用过 astra，你就知道什么是“尖峰”模型。它可能有一些天才时刻，但你偶尔也会疑惑“它怎么会这么笨，不理解我”。grok 4.7 则相反 到目前为止的一整天，老实说，我还没有遇到“哇，这绝对是天才”的时刻，但 grok 4.7 一直非常稳定，没有大的意外。它的行为感觉可预测，这确实帮助我很快地信任了它 3. 它是一个保守的模型 它不喜欢在没有询问的情况下采取行动，并会明确说明 这有点像一把双刃剑，因为这意味着我有时必须明确说明“是的，我确实想要那个”，但事后看来，很多情况确实有点模糊，我可能不希望模型在没有我确认的情况下就直接进行 4. 它比 4.5 稍慢且成本更高，显而易见 轮次花费时间稍长，我的配额消耗速度明显更快。我还没有量化具体原因 所以总体来说，我认为它展示了一些明显不同的特性，我大部分都喜欢这些变化。我会继续将其作为我的主要 firstmate 并进一步观察 如果你一直在使用它，从实际使用中你收集到了哪些质性见解？