Grok 4.5→4.7 人格基准：谄媚与废话大降

过去八天内，Grok 4.5、GPT-5.6、Muse Spark 1.1 与 Kimi K3 四款前沿模型相继发布，使 Artificial Analysis Intelligence Index 得分超 50 的实验室从 6 月初的 2 家增至 6 家。

Artificial Analysis 评测 Phonic 的 Phonic 1 (High)，以 87.1 分在 22 个模型中登顶语音到语音指数，微弱领先 Grok Voice 3.0（86.9）。

Artificial Analysis 推出新基准 AA-PersonalityBench，衡量模型的谄媚（Sycophantic）人格特质。测得最老的三个模型 GPT-4o、Llama 4 Maverick、GPT-3.5 Turbo 排名最高，Grok 4.7、Claude Fable 5.1 与 Inkling 最低。

Artificial Analysis 的 AA-3D 场景测试中，Claude Fable 5.1 与 Sonnet 5.5 明显呈现了圣家堂的魔方，Grok 4.7 与 Step 5 Preview 则把它藏在柱子后，四款模型均为离线、未被提示。

Artificial Analysis 让多个 AI 模型在离线沙盒中以智能体方式用 3D 搭建埃菲尔铁塔，Claude Opus 5.5 和 Grok 4.7 都凭记忆写出了铁塔一层平台下全部 72 位法国科学家、工程师和数学家的名字，且每侧 18 人顺序正确。

Grok Voice 3.0 在 Artificial Analysis Speech to Speech Index 以 86.9 分首秀登顶，领先 GPT-Live-1（Astra, medium）的 83.2 和 Gemini 3.8 Live Extended Thinking（High）的 82.6，较 Grok Voice 2.0 提升 5.6 分。

Artificial Analysis 评测 SpaceXAI 新发布的低价视频模型 Grok Imagine Video 1.5 Lite，其在 AA-Video-T2V v2.0 和 AA-Video-T2V-Silent v2.0 两个榜单均排第 17 名，价格约为 Veo 3.1 的三分之一并排在 Veo 3.1 之前。

Artificial Analysis 网络指数新增可信访问模型类别，GPT-6 Sol（Daybreak Blue, max）以领先成绩登顶，并进入成本与能力帕累托前沿。该模型在整个指数测试中未触发任何安全拦截，总分较公开版 GPT-6 Sol（max）提升 32 分。其每任务成本为 $1.77，低于 Grok 4.7（xhigh）的 $11.67。

Grok 4.7 在 AA-Briefcase 上仅次于 Anthropic 模型，排名紧追 Opus 5，每任务成本约为其 50%。在 AA-Briefcase-Lite 尽调场景中，Grok 4.7 分析质量 Elo 从 Grok 4.6 的 1698 升至 1994，展示 Elo 则从 1531 微降至 1499。

SpaceXAI 发布语音转文字模型 Grok Voice Transcribe 2.0，在 AA-WER Streaming 上以语音结束后 0.49 秒 2.7% WER 登顶最终转写和首个部分转写准确率。