AWS ajoute Grok 4.7 de xAI à Amazon Bedrock avec une fenêtre de contexte de 500 K jetons

Amazon Web Services a annoncé le 28 septembre 2026 que le modèle Grok 4.7 de xAI est disponible sur Amazon Bedrock, l’ajoutant au catalogue de modèles Bedrock avec une fenêtre de contexte de 500 K jetons, une entrée texte et image, et quatre niveaux d’effort de raisonnement configurables. L’annonce du blog AWS Machine Learning décrit Grok 4.7 comme un modèle de pointe conçu pour le codage, les agents à longue exécution et le travail de connaissance.

xAI a d’abord publié Grok 4.7 le 21 septembre 2026, dans une annonce de lancement qui rendait le modèle disponible dans Cursor et Grok Build ainsi que via l’API Grok, des harnesses de codage tiers, et des routeurs de modèles et plateformes cloud. Dans cette annonce, xAI a fixé le prix du modèle à partir de 2 $ par million de jetons d’entrée et 6 $ par million de jetons de sortie, et a indiqué qu’il propose une variante rapide avec le double de la vitesse de sortie pour le double du prix.

Ce que xAI affirme que Grok 4.7 a été conçu pour

Selon xAI, tel que cité dans le post AWS, Grok 4.7 est son modèle le plus performant pour le codage et le travail de connaissance, avec un accent mis sur l’endurance plutôt que sur la vitesse brute : le modèle travaille plus longtemps sur des tâches difficiles et vérifie son propre travail plus soigneusement avant de passer à la suite. xAI indique que Grok 4.7 utilise un nouveau modèle de base plus grand, entraîné grâce à une session d’apprentissage par renforcement plus longue sur un ensemble de tâches plus difficile, pondéré vers des problèmes qui prennent de nombreuses heures à résoudre. xAI attribue à cet entraînement deux capacités : une meilleure vérification du travail du modèle, et une utilisation plus efficace de sa fenêtre de contexte de 500 K jetons sur les tâches longues. xAI précise également qu’il a entraîné le modèle à comprendre nativement le harness Grok Bot, ce qui, selon lui, explique les améliorations dans les tâches conversationnelles et le travail de connaissance général.

xAI signale en outre une génération de documents et de présentations plus robuste et décrit des gains dans le travail de connaissance professionnel du type réalisé par les avocats, les infirmières et les analystes financiers. Ses évaluations publiées couvrent le génie logiciel avec CursorBench et DeepSWE, le travail terminal et de bureau de plusieurs heures avec Terminal‑Bench et AA Briefcase, le génie électrique avec EEBench, le travail juridique avec le Harvey Legal Agent Benchmark, et le raisonnement clinique avec HealthBench Professional.

Chiffres d’évaluation indépendants

Le post AWS cite également Artificial Analysis, qu’il décrit comme effectuant ses propres évaluations plutôt que de se fier aux chiffres fournis par les développeurs. Dans ces résultats, Grok 4.7 obtient un Index d’Intelligence de 46 contre 44 pour Grok 4.6, un Index d’Agent de Codage de 56 contre 47, un Elo AA‑Briefcase de 1 657 contre 1 546, un Elo GDPval‑AA de 1 695 contre 1 605, et un Index d’Omniscience AA de 32 contre 30, avec un taux d’hallucination de 29 % contre 34 %. Artificial Analysis a mesuré Grok 4.7 à son effort de raisonnement xhigh et Grok 4.6 au niveau d’effort qu’il a indiqué pour chaque mesure.

Le post souligne le compromis dans la dernière ligne de ce tableau : Grok 4.7 a utilisé environ 81 000 jetons de sortie par tâche d’Index d’Intelligence, contre environ 38 000 pour Grok 4.6, ce que le post décrit comme approximativement le double par tâche et une raison de définir le niveau d’effort délibérément plutôt que d’hériter du réglage par défaut.

Sécurité et cybersécurité

Selon xAI, Grok 4.7 a été construit avec une pile de protections entièrement nouvelle et est le modèle le plus robuste qu’elle ait testé en matière de refus et de résistance aux contournements. xAI décrit l’objectif dans les domaines à double usage tels que la cybersécurité et le travail biologique comme restant utile pour les tâches légitimes tout en refusant les tâches dangereuses. En cybersécurité spécifiquement, xAI indique que le modèle ne laisse passer qu’une petite fraction d’invites à double usage à risque tout en bloquant rarement le travail de sécurité légitime, et il a commencé à offrir à certains partenaires de cybersécurité un accès sur invitation aux capacités de red‑team de Grok 4.7 pour la recherche en défense.

Comment Grok 4.7 est proposé sur Amazon Bedrock

Sur Bedrock, Grok 4.7 accepte les entrées texte et image et renvoie du texte. Le modèle est servi via le point de terminaison bedrock-runtime grâce à des profils d’inférence inter‑régions, de sorte que les requêtes indiquent un profil plutôt qu’un simple ID de modèle : us.xai.grok-4.7 pour le profil géographique US, ou global.xai.grok-4.7 pour le profil Global, tous deux au chemin /openai/v1 de l’URL de base du bedrock-runtime. Grok 4.7 prend en charge l’API Responses, l’API Chat Completions, InvokeModel et l’API Converse.

Comme le modèle est compatible OpenAI, le SDK OpenAI fonctionne sur le chemin /openai/v1 avec un jeton d’accès, qui peut être soit une clé d’API Amazon Bedrock, soit un jeton à court terme généré à partir des informations d’identification AWS Identity and Access Management (IAM). Les SDK AWS accèdent au même modèle via Converse, en signant les requêtes avec des identifiants AWS classiques.

Le modèle se connecte également aux fonctionnalités standard de Bedrock. La mise en cache implicite des invites s’applique automatiquement aux préfixes d’invite répétés, de sorte que les agents qui renvoient une grande invite système ou un document de référence à chaque tour paient le tarif mis en cache pour ce préfixe. Les Guardrails de Bedrock s’ajoutent par ID et version à la requête, appliquant des filtres de contenu, des sujets interdits, la rédaction d’informations personnellement identifiables et des politiques de mots tant à l’invite qu’à la réponse. Les sorties structurées contraignent une réponse à un schéma JSON afin que le code en aval puisse l’analyser directement, et la journalisation des invocations capture chaque appel dans Amazon CloudWatch avec la requête, la réponse et le nombre de jetons, y compris les jetons de raisonnement.

Profils de routage, niveaux de service et accès

Le profil Global dirige chaque requête vers n’importe quelle région AWS commerciale prise en charge, répartissant la charge sur davantage de capacité, et est tarifé en dessous d’un profil géographique. L’article indique que le compromis est un moindre contrôle sur l’endroit où une requête donnée est traitée, ce qui peut entraîner une latence plus variable. Le profil géographique US maintient le traitement au sein du territoire américain, répondant aux exigences de résidence des données aux États‑Unis.

Trois niveaux de service sont proposés. Standard fonctionne à la consommation par jeton sans engagement ; Priority offre un traitement plus rapide et prioritaire moyennant un supplément ; et Flex propose un accès à moindre coût pour les travaux qui ne sont pas sensibles au temps. La tarification par jeton pour chaque niveau apparaît sur la page de tarification d’Amazon Bedrock.

Avant le premier appel, les utilisateurs vérifient que le modèle est disponible pour eux dans la console Bedrock de la région AWS qu’ils prévoient d’utiliser. En ce qui concerne les autorisations, bedrock:InvokeModel est évalué par rapport à trois ressources : le projet par défaut du compte, le profil d’inférence nommé et le modèle de base sous‑jacent, dont l’Amazon Resource Name est générique sur toutes les régions parce que les profils inter‑régions acheminent les requêtes hors de la région appelante. L’authentification par jeton d’accès nécessite également bedrock:CallWithBearerToken, et les profils sont définis individuellement, de sorte qu’une politique nommant le profil US ne couvre pas le profil Global.

Le raisonnement est toujours actif sur Grok 4.7. L’effort est défini via le paramètre reasoning de l’API Responses ou via additionalModelRequestFields sur Converse, avec « high » comme valeur par défaut. Le contenu du raisonnement est chiffré ; il peut être renvoyé en incluant : “reasoning.encrypted_content” dans une requête à l’API Responses, puis renvoyé lors des tours suivants afin de fournir au modèle son propre raisonnement antérieur comme contexte dans une conversation à plusieurs tours. L’API Chat Completions ne renvoie pas les jetons de raisonnement.

L’article recommande de considérer une clé API Amazon Bedrock à long terme comme un identifiant uniquement destiné à l’exploration, d’utiliser des jetons d’accès à court terme générés à partir des identifiants IAM pour la production, et de supprimer une clé d’exploration de la console Bedrock lorsqu’elle n’est plus nécessaire.