AWS fügt xAI’s Grok 4.7 zu Amazon Bedrock mit 500 K‑Token‑Kontextfenster hinzu

Amazon Web Services kündigte am 28. September 2026 an, dass das Modell Grok 4.7 von xAI auf Amazon Bedrock verfügbar ist und dem Bedrock‑Modellkatalog mit einem 500 K‑Token‑Kontextfenster, Text‑ und Bildeingaben sowie vier konfigurierbaren Denkaufwands‑Stufen hinzugefügt wird. Die AWS Machine Learning Blog-Ankündigung beschreibt Grok 4.7 als ein Frontier‑Modell, das für Programmierung, langlaufende Agenten und Wissensarbeit entwickelt wurde.

xAI veröffentlichte Grok 4.7 erstmals am 21. September 2026 in einer Launch‑Ankündigung, die das Modell in Cursor und Grok Build sowie über die Grok‑API, Drittanbieter‑Programmierungs‑Frameworks und Modell‑Router und Cloud‑Plattformen verfügbar machte. In dieser Ankündigung setzte xAI den Preis für das Modell bei 2 $ pro Million Eingabetoken und 6 $ pro Million Ausgabetoken an und erklärte, dass es eine schnelle Variante mit doppelter Ausgabegeschwindigkeit zum doppelten Preis anbietet.

Was xAI sagt, wofür Grok 4.7 gebaut ist

Laut xAI, wie im AWS‑Beitrag zitiert, ist Grok 4.7 das leistungsfähigste Modell für Programmierung und Wissensarbeit, wobei die Ausdauer statt der reinen Geschwindigkeit betont wird: Das Modell arbeitet länger an schwierigen Aufgaben und prüft seine eigene Arbeit sorgfältiger, bevor es fortfährt. xAI berichtet, dass Grok 4.7 ein neues, größeres Basismodell verwendet, das durch ein länger andauerndes Reinforcement‑Learning‑Training über eine anspruchsvollere Aufgabenmischung trainiert wurde, wobei der Schwerpunkt auf Problemen liegt, die viele Stunden in Anspruch nehmen. xAI führt dieses Training auf zwei Fähigkeiten zurück: eine bessere Verifizierung der eigenen Arbeit des Modells und eine effektivere Nutzung des 500 K‑Token‑Kontextfensters bei langen Aufgaben. xAI sagt außerdem, dass das Modell nativ das Grok‑Bot‑Framework versteht, was laut xAI zu Verbesserungen bei konversationellen Aufgaben und allgemeiner Wissensarbeit geführt hat.

xAI berichtet außerdem von einer stärkeren Dokument‑ und Präsentationserstellung und beschreibt Fortschritte bei professioneller Wissensarbeit, wie sie von Anwälten, Pflegekräften und Finanzanalysten geleistet wird. Die veröffentlichten Bewertungen umfassen Software‑Engineering mit CursorBench und DeepSWE, mehrstündige Terminal‑ und Büroarbeit mit Terminal‑Bench und AA Briefcase, Elektrotechnik mit EEBench, juristische Arbeit mit dem Harvey Legal Agent Benchmark und klinisches Denken mit HealthBench Professional.

Unabhängige Evaluationszahlen

Der AWS‑Beitrag verweist außerdem auf Artificial Analysis, das laut Beschreibung eigene Bewertungen durchführt, anstatt sich auf von Entwicklern gemeldete Zahlen zu verlassen. In diesen Ergebnissen erzielt Grok 4.7 einen Intelligence Index von 46 gegenüber 44 für Grok 4.6, einen Coding Agent Index von 56 gegenüber 47, einen AA‑Briefcase‑Elo von 1.657 gegenüber 1.546, einen GDPval‑AA‑Elo von 1.695 gegenüber 1.605 und einen AA‑Omniscience‑Index von 32 gegenüber 30, bei einer Halluzinationsrate von 29 % gegenüber 34 %. Artificial Analysis maß Grok 4.7 bei seinem xhigh‑Denkaufwand und Grok 4.6 beim gemeldeten Aufwand für jede Messgröße.

Der Beitrag weist in der letzten Zeile dieser Tabelle auf den Kompromiss hin: Grok 4.7 verbrauchte etwa 81.000 Ausgabetoken pro Intelligence‑Index‑Aufgabe, gegenüber etwa 38.000 für Grok 4.6, was der Beitrag als ungefähr das Doppelte pro Aufgabe bezeichnet und als Grund dafür nennt, das Aufwand‑Level bewusst festzulegen statt den Standard zu übernehmen.

Sicherheit und Cyber‑Sicherheit

Laut xAI wurde Grok 4.7 mit einem völlig neuen Schutz‑Stack gebaut und ist das stärkste Modell, das es hinsichtlich Ablehnungen und Jailbreak‑Resistenz getestet hat. xAI formuliert das Ziel in dual‑Use‑Bereichen wie Cyber‑Sicherheit und biologischer Arbeit so, dass es für legitime Aufgaben nützlich bleibt, während gefährliche abgelehnt werden. Im Bereich Cyber‑Sicherheit berichtet xAI, dass das Modell nur einen kleinen Bruchteil riskanter dual‑Use‑Eingaben zulässt, dabei jedoch selten legitime Sicherheitsarbeiten blockiert, und dass es ausgewählten Cyber‑Sicherheits‑Partnern einen rein einladungsbasierten Zugang zu den Red‑Team‑Fähigkeiten von Grok 4.7 für Verteidigungsforschung gewährt hat.

Wie Grok 4.7 auf Amazon Bedrock bereitgestellt wird

Auf Bedrock akzeptiert Grok 4.7 Text‑ und Bildeingaben und gibt Text zurück. Das Modell wird über den bedrock-runtime‑Endpunkt mittels regionübergreifender Inferenz‑Profile bereitgestellt, sodass Anfragen ein Profil anstelle einer reinen Modell‑ID benennen: us.xai.grok-4.7 für das US‑geografische Profil oder global.xai.grok-4.7 für das globale Profil, beide unter dem Pfad /openai/v1 der bedrock-runtime‑Basis‑URL. Grok 4.7 unterstützt die Responses‑API, die Chat‑Completions‑API, InvokeModel und die Converse‑API.

Da das Modell OpenAI‑kompatibel ist, funktioniert das OpenAI‑SDK gegen den Pfad /openai/v1 mit einem Bearer‑Token, das entweder ein Amazon Bedrock‑API‑Schlüssel oder ein kurzzeitiges Token ist, das aus AWS Identity and Access Management (IAM)‑Anmeldeinformationen erstellt wird. Die AWS‑SDKs erreichen dasselbe Modell über Converse und signieren Anfragen mit normalen AWS‑Anmeldeinformationen.

Das Modell verbindet sich zudem mit den Standard‑Bedrock‑Funktionen. Implizites Prompt‑Caching wird automatisch auf wiederholte Prompt‑Präfixe angewendet, sodass Agenten, die bei jedem Schritt ein großes System‑Prompt oder Referenzdokument erneut senden, den gecachten Tarif für dieses Präfix zahlen. Bedrock Guardrails werden per ID und Version an die Anfrage angehängt und wenden Inhaltsfilter, gesperrte Themen, die Redaktion personenbezogener Daten sowie Wort‑Richtlinien sowohl auf das Prompt als auch auf die Antwort an. Strukturierte Ausgaben beschränken eine Antwort auf ein JSON‑Schema, sodass nachgelagerter Code sie direkt parsen kann, und das Aufruf‑Logging erfasst jeden Aufruf in Amazon CloudWatch mit Anfrage, Antwort und Token‑Zahlen einschließlich Denk‑Token.

Routing‑Profile, Service‑Stufen und Zugriff

Das Global‑Profil leitet jede Anfrage an jede unterstützte kommerzielle AWS-Region weiter, verteilt die Last auf mehr Kapazität und ist preislich unter einem geografischen Profil angesiedelt. Der Beitrag stellt fest, dass der Kompromiss weniger Kontrolle darüber bedeutet, wo eine bestimmte Anfrage verarbeitet wird, was zu variablerer Latenz führen kann. Das US-geografische Profil hält die Verarbeitung innerhalb der US-Region und erfüllt die US‑Datenaufbewahrungsvorgaben.

Es werden drei Service‑Stufen angeboten. Standard ist pay-per-token ohne Verpflichtung; Priority bietet schnellere, priorisierte Verarbeitung gegen Aufpreis; und Flex ermöglicht kostengünstigeren Zugriff für Arbeiten, die nicht zeitkritisch sind. Die Preisgestaltung pro Token für die einzelnen Stufen ist auf der Amazon Bedrock‑Preisseite zu finden.

Vor dem ersten Aufruf prüfen die Nutzer, ob das Modell in der Bedrock-Konsole für die AWS-Region, die sie verwenden möchten, verfügbar ist. Bei Berechtigungen wird bedrock:InvokeModel gegen drei Ressourcen evaluiert: das Standardprojekt des Kontos, das benannte Inferenzprofil und das zugrunde liegende Foundation‑Modell, dessen Amazon Resource Name regionenübergreifend als Wildcard definiert ist, weil Profil‑Routings über Regionen hinweg außerhalb der aufrufenden Region erfolgen. Die Authentifizierung mit Bearer‑Token erfordert zusätzlich bedrock:CallWithBearerToken, und Profile werden einzeln scoped, sodass eine Richtlinie, die das US‑Profil nennt, das Global‑Profil nicht abdeckt.

Das Reasoning ist bei Grok 4.7 stets aktiv. Der Aufwand wird über den reasoning‑Parameter in der Responses‑API oder über additionalModelRequestFields in Converse festgelegt, wobei „high“ der Standardwert ist. Reasoning‑Inhalte sind verschlüsselt; sie können zurückgegeben werden, indem bei einer Responses‑API‑Anfrage include: “reasoning.encrypted_content” übergeben wird und anschließend in nachfolgenden Turns zurückgesendet wird, um dem Modell sein vorheriges Reasoning als Kontext in einer mehrstufigen Konversation bereitzustellen. Die Chat‑Completions‑API gibt keine Reasoning‑Tokens zurück.

Der Beitrag empfiehlt, einen langfristigen Amazon Bedrock‑API‑Schlüssel als reines Explorations‑Credential zu behandeln, für die Produktion kurzfristige Bearer‑Tokens zu verwenden, die aus IAM‑Anmeldeinformationen generiert werden, und einen Explorations‑Schlüssel aus der Bedrock‑Konsole zu löschen, sobald er nicht mehr benötigt wird.