别只问“用不用大模型”

消息提到，SpaceXAI 发布了 Grok 4.7，定位为面向编程、智能体任务和知识工作的新旗舰模型，基于更大的基础模型和更长的强化学习训练构建，价格和速度与 Grok 4.6 保持一致。对准备编程或智能体岗位面试的人来说，这类发布很容易变成一句空话：“你们用大模型吗？”

更有效的问法是：团队在什么任务上选型，切换模型的成本有多高。素材提到 Grok 4.7 可通过 xAI API、Cursor、Grok Build、OpenRouter、Vercel 和 Cloudflare 调用，定价为每百万输入 token 2 美元、每百万输出 token 6 美元。你可以顺着问：团队走官方 API 还是聚合渠道，是否被定价和部署渠道约束，换模型要改多少代码。

厂商自报分数，面试里怎么用

发布对比表显示 Grok 4.7 在每一行上都优于 Grok 4.6，但所有分数均为厂商自报，且 Fable 5.1 Max 在 7 项基准中拿下 4 项第一。这说明基准表是提问素材，不是能力结论。

面试时不要背分数，而要问团队自己的验收标准：有没有复现过公开基准，真实业务指标是什么，失败样例怎么归档。比如同样是代码补全，一类团队看单元测试通过率，另一类看人工返工时间，两种做法对模型的要求完全不同。你可以请对方举一个最近被回滚的模型改动，听他们怎么定位问题。

把版本迭代变成可迁移能力

模型版本会一直更新，追单个版本不划算。更值得准备的是任务拆解、评估设计和成本意识：把需求拆成可验证的小步，为每步定义通过标准，并估算 token 开销。

一个可做的小建议：面试前挑一个你做过的任务，写下它的验收指标和一次失败案例，面试时用它反问对方的评估流程。这比背 Grok 4.7 的分数更能说明你会做事。