AWS aggiunge Grok 4.7 di xAI ad Amazon Bedrock con finestra di contesto da 500K token

Amazon Web Services ha annunciato il 28 settembre 2026 che il modello Grok 4.7 di xAI è disponibile su Amazon Bedrock, aggiungendolo al catalogo dei modelli Bedrock con una finestra di contesto di 500 000 token, input testuali e di immagine, e quattro livelli configurabili di sforzo di ragionamento. Il annuncio del blog AWS Machine Learning descrive Grok 4.7 come un modello di frontiera progettato per la programmazione, agenti a lungo termine e il lavoro basato sulla conoscenza.

xAI ha rilasciato per la prima volta Grok 4.7 il 21 settembre 2026, in un annuncio di lancio che ha reso il modello disponibile in Cursor e Grok Build e tramite l’API Grok, harness di codifica di terze parti e router di modelli e piattaforme cloud. In quell’annuncio, xAI ha fissato il prezzo del modello a partire da $2 per milione di token di input e $6 per milione di token di output, e ha dichiarato che offre una variante veloce con il doppio della velocità di output al doppio del prezzo.

Cosa dice xAI che Grok 4.7 è stato costruito per

Secondo xAI, come citato nel post di AWS, Grok 4.7 è il suo modello più capace per la programmazione e il lavoro di conoscenza, con un’enfasi sulla resistenza piuttosto che sulla pura velocità: il modello lavora più a lungo su compiti difficili e verifica il proprio lavoro con maggiore attenzione prima di procedere. xAI riferisce che Grok 4.7 utilizza un nuovo modello di base più grande, addestrato tramite un più lungo ciclo di apprendimento per rinforzo su un mix più impegnativo di compiti, ponderato verso problemi che richiedono molte ore per essere completati. xAI attribuisce a questo addestramento due capacità: una migliore verifica del lavoro del modello stesso e un uso più efficace della sua finestra di contesto da 500K token su compiti lunghi. xAI afferma inoltre di aver addestrato il modello a comprendere nativamente il framework Grok Bot, che attribuisce ai miglioramenti nei compiti conversazionali e nel lavoro di conoscenza generale.

xAI segnala inoltre una generazione di documenti e presentazioni più potente e descrive miglioramenti nel lavoro di conoscenza professionale del tipo svolto da avvocati, infermieri e analisti finanziari. Le sue valutazioni pubblicate coprono l’ingegneria del software con CursorBench e DeepSWE, il lavoro su terminale e in ufficio di più ore con Terminal-Bench e AA Briefcase, l’ingegneria elettrica con EEBench, il lavoro legale con il Harvey Legal Agent Benchmark e il ragionamento clinico con HealthBench Professional.

Dati di valutazione indipendenti

Il post di AWS cita anche Artificial Analysis, che descrive come esegua proprie valutazioni invece di basarsi su cifre riportate dagli sviluppatori. In quei risultati, Grok 4.7 registra un Indice di intelligenza di 46 contro 44 per Grok 4.6, un Indice di agente di codifica di 56 contro 47, un Elo AA‑Briefcase di 1.657 contro 1.546, un Elo GDPval‑AA di 1.695 contro 1.605, e un Indice di onniscienza AA di 32 contro 30, con un tasso di allucinazione del 29 % contro il 34 %. Artificial Analysis ha misurato Grok 4.7 al suo sforzo di ragionamento xhigh e Grok 4.6 al livello di sforzo riportato per ciascuna misura.

Il post evidenzia il compromesso nella riga finale di quella tabella: Grok 4.7 ha utilizzato circa 81.000 token di output per ogni compito dell’Indice di intelligenza, contro circa 38.000 per Grok 4.6, che il post descrive come circa il doppio per compito e una ragione per impostare deliberatamente il livello di sforzo anziché ereditare quello predefinito.

Sicurezza e cybersicurezza

Secondo xAI, Grok 4.7 è stato costruito con una pila di salvaguardie completamente nuova ed è il modello più robusto che ha testato in termini di rifiuti e resistenza al jailbreak. xAI inquadra l’obiettivo nei domini a doppio uso, come la cybersicurezza e il lavoro biologico, come rimanere utile per compiti legittimi rifiutando quelli pericolosi. Per la cybersicurezza in particolare, xAI segnala che il modello consente solo una piccola frazione di prompt a doppio uso rischiosi, bloccando raramente lavori di sicurezza legittimi, e ha iniziato a concedere a partner selezionati della cybersicurezza l’accesso su invito alle capacità di red‑team di Grok 4.7 per la ricerca difensiva.

Come Grok 4.7 è offerto su Amazon Bedrock

Su Bedrock, Grok 4.7 accetta input testuali e di immagine e restituisce testo. Il modello è servito sull’endpoint bedrock-runtime tramite profili di inferenza cross‑Region, quindi le richieste specificano un profilo anziché un semplice ID modello: us.xai.grok-4.7 per il profilo geografico US, o global.xai.grok-4.7 per il profilo Global, entrambi al percorso /openai/v1 dell’URL base di bedrock-runtime. Grok 4.7 supporta le API Responses, Chat Completions, InvokeModel e Converse.

Poiché il modello è compatibile con OpenAI, l’SDK OpenAI funziona sul percorso /openai/v1 con un token di tipo bearer, che può essere una chiave API di Amazon Bedrock o un token a breve termine generato dalle credenziali di AWS Identity and Access Management (IAM). Gli SDK AWS accedono allo stesso modello tramite Converse, firmando le richieste con credenziali AWS standard.

Il modello si collega inoltre alle funzionalità standard di Bedrock. La memorizzazione nella cache implicita dei prompt si applica automaticamente ai prefissi di prompt ripetuti, quindi gli agenti che inviano nuovamente un ampio prompt di sistema o un documento di riferimento a ogni turno pagano il tasso in cache per quel prefisso. Le Guardrails di Bedrock si allegano tramite ID e versione nella richiesta, applicando filtri di contenuto, argomenti negati, redazione di informazioni personali identificabili e politiche di parole sia al prompt che alla risposta. Gli output strutturati limitano una risposta a uno schema JSON in modo che il codice a valle possa analizzarla direttamente, e la registrazione delle invocazioni cattura ogni chiamata in Amazon CloudWatch con la richiesta, la risposta e i conteggi dei token, inclusi i token di ragionamento.

Profili di routing, livelli di servizio e accesso

Il profilo Global indirizza ogni richiesta a qualsiasi Regione AWS commerciale supportata, distribuendo il carico su una capacità maggiore, ed è offerto a un prezzo inferiore rispetto a un profilo geografico. Il post osserva che il compromesso è una minore capacità di controllo su dove viene servita una determinata richiesta, il che può comportare una latenza più variabile. Il profilo geografico US mantiene l’elaborazione all’interno della geografia degli Stati Uniti, soddisfacendo i requisiti di residenza dei dati negli USA.

Sono offerte tre tier di servizio. Standard è a pagamento per token senza impegno; Priority fornisce un’elaborazione più rapida e prioritaria a pagamento premium; e Flex offre un accesso a costo inferiore per lavori che non sono sensibili al tempo. I prezzi per token per i vari tier sono indicati nella pagina dei prezzi di Amazon Bedrock.

Prima della prima chiamata, gli utenti verificano che il modello sia disponibile per loro nella console Bedrock nella Regione AWS che intendono utilizzare. Per quanto riguarda le autorizzazioni, bedrock:InvokeModel viene valutato rispetto a tre risorse: il progetto predefinito dell’account, il profilo di inferenza nominato e il modello di base sottostante, il cui Amazon Resource Name è impostato come wildcard tra le Regioni perché i profili cross-Region instradano al di fuori della Regione chiamante. L’autenticazione con token di tipo bearer richiede inoltre bedrock:CallWithBearerToken, e i profili sono definiti individualmente, quindi una policy che nomina il profilo US non copre quello Global.

Il ragionamento è sempre attivo su Grok 4.7. Lo sforzo è impostato tramite il parametro reasoning sull’API Responses o tramite additionalModelRequestFields su Converse, con “high” come valore predefinito. Il contenuto del ragionamento è crittografato; può essere restituito passando include: “reasoning.encrypted_content” in una richiesta all’API Responses e poi inviato nuovamente nei turni successivi per fornire al modello il proprio ragionamento precedente come contesto in una conversazione a più turni. L’API Chat Completions non restituisce token di ragionamento.

Il post consiglia di trattare una chiave API di Amazon Bedrock a lungo termine come credenziale esclusivamente per esplorazione, utilizzando token bearer a breve termine generati da credenziali IAM per la produzione, e di eliminare una chiave di esplorazione dalla console Bedrock quando non è più necessaria.