AWS añade Grok 4.7 de xAI a Amazon Bedrock con ventana de contexto de 500 K tokens

Amazon Web Services anunció el 28 de septiembre de 2026 que el modelo Grok 4.7 de xAI está disponible en Amazon Bedrock, añadiéndolo al catálogo de modelos de Bedrock con una ventana de contexto de 500 K tokens, entrada de texto e imagen, y cuatro niveles configurables de esfuerzo de razonamiento. El anuncio del AWS Machine Learning Blog describe a Grok 4.7 como un modelo de vanguardia creado para programación, agentes de larga duración y trabajo de conocimiento.

xAI lanzó por primera vez Grok 4.7 el 21 de septiembre de 2026 en un anuncio de lanzamiento que puso el modelo a disposición en Cursor y Grok Build, así como a través de la API de Grok, harnesses de codificación de terceros y enrutadores de modelos y plataformas en la nube. En ese anuncio, xAI fijó el precio del modelo a partir de $2 por millón de tokens de entrada y $6 por millón de tokens de salida, y señaló que ofrece una variante rápida con el doble de velocidad de salida por el doble de precio.

Lo que xAI dice que Grok 4.7 está diseñado para

Según xAI, según se cita en la publicación de AWS, Grok 4.7 es su modelo más capaz para programación y trabajo de conocimiento, con énfasis en la resistencia más que en la velocidad bruta: el modelo trabaja más tiempo en tareas difíciles y verifica su propio trabajo con mayor cuidado antes de continuar. xAI informa que Grok 4.7 utiliza un modelo base nuevo y más grande, entrenado mediante una ejecución más larga de aprendizaje por refuerzo sobre una combinación más dura de tareas, ponderada hacia problemas que requieren muchas horas para completarse. xAI atribuye a ese entrenamiento dos capacidades: una mejor verificación del propio trabajo del modelo y un uso más eficaz de su ventana de contexto de 500 K tokens en tareas extensas. xAI también afirma que entrenó el modelo para comprender de forma nativa el harness Grok Bot, al que atribuye mejoras en tareas conversacionales y en el trabajo de conocimiento general.

xAI informa además una generación de documentos y presentaciones más robusta y describe mejoras en el trabajo de conocimiento profesional del tipo realizado por abogados, enfermeras y analistas financieros. Sus evaluaciones publicadas abarcan ingeniería de software con CursorBench y DeepSWE, trabajo de terminal y oficina de varias horas con Terminal-Bench y AA Briefcase, ingeniería eléctrica con EEBench, trabajo legal con el Harvey Legal Agent Benchmark y razonamiento clínico con HealthBench Professional.

Cifras de Evaluación Independiente

La publicación de AWS también menciona a Artificial Analysis, que describe como realizando sus propias evaluaciones en lugar de basarse en cifras reportadas por los desarrolladores. En esos resultados, Grok 4.7 registra un Índice de Inteligencia de 46 frente a 44 para Grok 4.6, un Índice de Agente de Codificación de 56 frente a 47, un Elo AA‑Briefcase de 1 657 frente a 1 546, un Elo GDPval‑AA de 1 695 frente a 1 605 y un Índice de AA‑Omnisciencia de 32 frente a 30, con una tasa de alucinaciones del 29 % frente al 34 %. Artificial Analysis midió a Grok 4.7 con su esfuerzo de razonamiento xhigh y a Grok 4.6 con el nivel de esfuerzo que reportó para cada medida.

La publicación señala el compromiso en la fila final de esa tabla: Grok 4.7 utilizó aproximadamente 81 000 tokens de salida por tarea del Índice de Inteligencia, frente a unos 38 000 para Grok 4.6, lo que la publicación describe como casi el doble por tarea y una razón para establecer deliberadamente el nivel de esfuerzo en lugar de heredar el predeterminado.

Seguridad y Ciberseguridad

Según xAI, Grok 4.7 se construyó con una pila de salvaguardas completamente nueva y es el modelo más robusto que ha probado en rechazos y resistencia a jailbreaks. xAI enmarca el objetivo en dominios de doble uso, como la ciberseguridad y el trabajo biológico, como permanecer útil para tareas legítimas mientras rechaza las peligrosas. En ciberseguridad específicamente, xAI informa que el modelo permite solo una pequeña fracción de indicaciones de doble uso riesgosas y rara vez bloquea el trabajo de seguridad legítimo, y ha comenzado a otorgar a socios seleccionados de ciberseguridad acceso solo por invitación a las capacidades de red‑team de Grok 4.7 para investigación defensiva.

Cómo se empaqueta Grok 4.7 en Amazon Bedrock

En Bedrock, Grok 4.7 acepta entrada de texto e imagen y devuelve texto. El modelo se sirve en el punto final bedrock-runtime mediante perfiles de inferencia interregionales, por lo que las solicitudes nombran un perfil en lugar de un ID de modelo sin formato: us.xai.grok-4.7 para el perfil geográfico de EE. UU., o global.xai.grok-4.7 para el perfil Global, ambos en la ruta /openai/v1 de la URL base de bedrock-runtime. Grok 4.7 es compatible con la API Responses, la API Chat Completions, InvokeModel y la API Converse.

Debido a que el modelo es compatible con OpenAI, el SDK de OpenAI funciona contra la ruta /openai/v1 con un token de portador, que puede ser una clave API de Amazon Bedrock o un token de corta duración generado a partir de credenciales de AWS Identity and Access Management (IAM). Los SDK de AWS acceden al mismo modelo a través de Converse, firmando las solicitudes con credenciales normales de AWS.

El modelo también se conecta a las funciones estándar de Bedrock. El almacenamiento en caché implícito de prompts se aplica automáticamente a los prefijos de prompt repetidos, de modo que los agentes que reenvían un prompt de sistema grande o un documento de referencia en cada turno pagan la tarifa en caché para ese prefijo. Las Guardrails de Bedrock se adjuntan por ID y versión en la solicitud, aplicando filtros de contenido, temas denegados, redacción de información de identificación personal y políticas de palabras tanto al prompt como a la respuesta. Las salidas estructuradas restringen una respuesta a un esquema JSON para que el código posterior pueda analizarla directamente, y el registro de invocaciones captura cada llamada en Amazon CloudWatch con la solicitud, la respuesta y los recuentos de tokens, incluidos los tokens de razonamiento.

Perfiles de Enrutamiento, Niveles de Servicio y Acceso

El perfil Global dirige cada solicitud a cualquier Región comercial de AWS compatible, distribuyendo la carga entre mayor capacidad, y tiene un precio inferior al de un perfil geográfico. La publicación señala que la compensación es menos control sobre dónde se sirve una solicitud determinada, lo que puede implicar una latencia más variable. El perfil geográfico de EE. UU. mantiene el procesamiento dentro de la geografía de EE. UU., cumpliendo con los requisitos de residencia de datos de EE. UU.

Se ofrecen tres niveles de servicio. Standard es de pago por token sin compromiso; Priority brinda un procesamiento más rápido y priorizado por una prima; y Flex proporciona acceso de menor costo para trabajos que no son sensibles al tiempo. Los precios por token de los distintos niveles aparecen en la página de precios de Amazon Bedrock.

Antes de la primera llamada, los usuarios confirman que el modelo está disponible para ellos en la consola de Bedrock para la Región de AWS que planean usar. En cuanto a permisos, bedrock:InvokeModel se evalúa contra tres recursos: el proyecto predeterminado de la cuenta, el perfil de inferencia con nombre y el modelo base subyacente, cuyo Amazon Resource Name está comodín en todas las Regiones porque los perfiles interregionales se enrutan fuera de la Región de origen. La autenticación con token de portador también requiere bedrock:CallWithBearerToken, y los perfiles se delimitan individualmente, de modo que una política que nombra el perfil de EE. UU. no cubre el perfil Global.

El razonamiento está siempre activo en Grok 4.7. El esfuerzo se establece mediante el parámetro reasoning en la API Responses o a través de additionalModelRequestFields en Converse, con “high” como valor predeterminado. El contenido del razonamiento está cifrado; puede devolverse pasando include: “reasoning.encrypted_content” en una solicitud a la API Responses y luego enviarse de nuevo en turnos posteriores para proporcionar al modelo su propio razonamiento previo como contexto en una conversación de varios turnos. La API Chat Completions no devuelve tokens de razonamiento.

La publicación aconseja tratar una clave de API de Amazon Bedrock a largo plazo como una credencial solo para exploración, usar tokens de portador a corto plazo generados a partir de credenciales IAM para producción y eliminar una clave de exploración de la consola de Bedrock cuando ya no sea necesaria.