AWS tilføjer xAI’s Grok 4.7 til Amazon Bedrock med 500K kontekstvindue

Amazon Web Services annoncerede den 28. september 2026, at xAI’s Grok 4.7-model er tilgængelig på Amazon Bedrock, og tilføjer den til Bedrock-modellkataloget med et 500K token kontekstvindue, tekst- og billedinput samt fire konfigurerbare resonnerings‑indsatsniveauer. AWS Machine Learning Blog-meddelelse beskriver Grok 4.7 som en frontier-model bygget til kodning, langvarige agenter og vidensarbejde.

xAI udgav først Grok 4.7 den 21. september 2026 i en lanceringmeddelelse, som gjorde modellen tilgængelig i Cursor og Grok Build samt via Grok API, tredjeparts kodnings‑harnesses og model‑routere og cloud‑platforme. I den meddelelse satte xAI prisen på modellen til $2 pr. million input‑tokens og $6 pr. million output‑tokens, og oplyste, at den tilbyder en hurtig variant med dobbelt output‑hastighed for dobbelt pris.

Hvad xAI siger, Grok 4.7 er bygget til

Ifølge xAI, som citeret i AWS‑indlægget, er Grok 4.7 deres mest kapable model til kodning og vidensarbejde, med vægt på udholdenhed frem for rå hastighed: modellen arbejder længere på vanskelige opgaver og kontrollerer sit eget arbejde mere omhyggeligt, før den går videre. xAI rapporterer, at Grok 4.7 bruger en ny, større grundmodel, trænet gennem en længere forstærknings‑læringskørsel over en sværere blanding af opgaver, vægtet mod problemer, der tager mange timer at fuldføre. xAI tilskriver denne træning to evner: bedre verifikation af modellens eget arbejde og mere effektiv udnyttelse af dens 500K token kontekstvindue på lange opgaver. xAI siger også, at den har trænet modellen til at forstå Grok Bot harness indfødt, hvilket den tilskriver forbedringer i samtaleopgaver og generelt vidensarbejde.

xAI rapporterer yderligere stærkere dokument‑ og præsentationsgenerering og beskriver gevinster i professionelt vidensarbejde af den type, der udføres af advokater, sygeplejersker og finansanalytikere. Dens offentliggjorte evalueringer dækker softwareudvikling med CursorBench og DeepSWE, fler‑timers terminal‑ og kontorarbejde med Terminal-Bench og AA Briefcase, elektroteknik med EEBench, juridisk arbejde med Harvey Legal Agent Benchmark og klinisk ræsonnement med HealthBench Professional.

Uafhængige evaluerings‑tal

Denne AWS‑post nævner også Artificial Analysis, som den beskriver som at køre egne evalueringer i stedet for at stole på udvikler‑rapporterede tal. I disse resultater registrerer Grok 4.7 en Intelligence Index på 46 mod 44 for Grok 4.6, en Coding Agent Index på 56 mod 47, en AA‑Briefcase Elo på 1,657 mod 1,546, en GDPval‑AA Elo på 1,695 mod 1,605, og en AA‑Omniscience Index på 32 mod 30, med en hallucinationsrate på 29% mod 34%. Artificial Analysis målte Grok 4.7 ved sin xhigh resonnerings‑indsats og Grok 4.6 ved den indsats‑niveau, den rapporterede for hver måling.

Indlægget påpeger kompromiset i den sidste række af tabellen: Grok 4.7 brugte cirka 81,000 output‑tokens pr. Intelligence Index‑opgave, mod omkring 38,000 for Grok 4.6, hvilket indlægget karakteriserer som omtrent dobbelt pr. opgave og en grund til bevidst at sætte indsats‑niveauet i stedet for at arve standarden.

Sikkerhed og cybersikkerhed

Ifølge xAI blev Grok 4.7 bygget med en helt ny beskyttelses‑stack og er den stærkeste model, de har testet på afvisninger og jailbreak‑modstand. xAI beskriver målet i dual‑use‑områder som cybersikkerhed og biologisk arbejde som at forblive nyttig for legitime opgaver, mens den afviser farlige. Specifikt inden for cybersikkerhed rapporterer xAI, at modellen kun tillader en lille brøkdel af risikable dual‑use‑promptes igennem, mens den sjældent blokerer legitim sikkerhedsarbejde, og at den er begyndt at give udvalgte cybersikkerhedspartnere invitation‑kun adgang til Grok 4.7’s red‑team‑kapaciteter til forsvars‑forskning.

Hvordan Grok 4.7 er pakket på Amazon Bedrock

På Bedrock accepterer Grok 4.7 tekst‑ og billedinput og returnerer tekst. Modellen leveres på bedrock-runtime‑endepunktet via tvær‑region‑inference‑profiler, så anmodninger navngiver en profil i stedet for et rent model‑ID: us.xai.grok-4.7 for den amerikanske geografiske profil, eller global.xai.grok-4.7 for den globale profil, begge på /openai/v1‑stien af bedrock-runtime‑basis‑URL’en. Grok 4.7 understøtter Responses API, Chat Completions API, InvokeModel og Converse API.

Da modellen er OpenAI‑kompatibel, fungerer OpenAI‑SDK’en mod /openai/v1‑stien med en bearer‑token, som kan være enten en Amazon Bedrock API‑nøgle eller en kort‑varigheds‑token udstedt fra AWS Identity and Access Management (IAM)‑legitimationsoplysninger. AWS‑SDK’erne når den samme model via Converse og underskriver anmodninger med almindelige AWS‑legitimationsoplysninger.

Modellen forbinder også til standard‑funktioner i Bedrock. Implicit prompt‑caching anvendes automatisk på gentagne prompt‑præfikser, så agenter, der gensender en stor system‑prompt eller referencedokument på hver tur, betaler den cachede sats for det præfiks. Bedrock Guardrails vedhæftes via ID og version på anmodningen og anvender indholdsfiltre, afviste emner, redigering af personligt identificerbare oplysninger og ordpolitikker på både prompten og svaret. Strukturerede output begrænser et svar til et JSON‑skema, så efterfølgende kode kan parse det direkte, og kaldslogning registrerer hver opkald i Amazon CloudWatch med anmodningen, svaret og token‑tællinger inklusive resonnerings‑tokens.

Ruteprofiler, service‑niveauer og adgang

Den globale profil dirigerer hver anmodning til enhver understøttet kommerciel AWS‑region, spreder belastningen over mere kapacitet og er prissat under en geografisk profil. Indlægget bemærker, at kompromiset er mindre kontrol over, hvor en given anmodning betjenes, hvilket kan betyde mere variabel latenstid. Den amerikanske geografiske profil holder behandlingen inden for den amerikanske geografi og imødekommer amerikanske krav til datalokalitet.

Der tilbydes tre tjenesteniveauer. Standard er betaling pr. token uden forpligtelse; Priority leverer hurtigere, prioriteret behandling mod en præmie; og Flex giver lavere omkostningsadgang for arbejde, der ikke er tidskritisk. Priser pr. token på tværs af niveauerne findes på Amazon Bedrock‑prissiden.

Før det første opkald bekræfter brugerne, at modellen er tilgængelig for dem i Bedrock‑konsollen for den AWS‑region, de planlægger at bruge. Ved tilladelser evalueres bedrock:InvokeModel mod tre ressourcer: kontoens standardprojekt, den navngivne inferensprofil og den underliggende grundmodel, hvis Amazon Resource Name er wildcardet på tværs af regioner, fordi tværs‑regionale profiler ruter uden for den kaldende region. Autentificering med bærer‑token kræver desuden bedrock:CallWithBearerToken, og profiler er individuelt afgrænsede, så en politik, der navngiver den amerikanske profil, dækker den globale profil ikke.

Resonering er altid aktiv på Grok 4.7. Indsatsniveauet indstilles via resonering‑parameteren på Responses‑API’en eller gennem additionalModelRequestFields på Converse, med høj som standard. Resoneringens indhold er krypteret; det kan returneres ved at angive include: “reasoning.encrypted_content” på en Responses‑API‑anmodning og derefter sendes tilbage i efterfølgende ture for at give modellen sin egen tidligere resonering som kontekst i en samtale med flere omgange. Chat Completions‑API’en returnerer ikke resoneringstokens.

Indlægget anbefaler at behandle en langsigtet Amazon Bedrock‑API‑nøgle som en kun‑til‑udforskning‑legitimationsoplysning, bruge kort‑varige bærer‑tokens genereret fra IAM‑legitimationsoplysninger til produktion og slette en udforskningsnøgle fra Bedrock‑konsollen, når den ikke længere er nødvendig.