Grok4.7临门延期：马斯克称训练把回答长度罚过头

Grok 4.7 的延期不是算力或数据问题，而是后训练奖励设计的自伤。2.1T 参数版本原定 8 月 7 日前后随 4.6 之后几周推出，马斯克 9 月 2 日给出「10 天后」的窗口，如今在临门一脚处发现模型对高难度任务过早收尾——他归因于 RL 阶段对回答长度的惩罚过重，把模型推向短答，复杂推理被一并压缩。这一诊断值得注意：Grok 4.6 与 4.5 同为 1.5T，升级重点本就押在后训练，4.7 才扩参。若长度惩罚确为根因，说明 xAI 在 token 效率与推理深度之间的权衡尚未收敛，而马斯克此前承诺的「完成任务所需 token 更少」正与此冲突。时间线上，SpaceX 全量数据接入训练、Cursor 代码数据灌入、年底开源 4.2 基座，xAI 一边扩数据一边压成本，4.7 延期暴露的是这套激进后训练路线的调试成本。