AWS legger til xAI sin Grok 4.7 i Amazon Bedrock med 500 K kontekstvindu

Amazon Web Services kunngjorde 28. september 2026 at xAI sin Grok 4.7-modell er tilgjengelig på Amazon Bedrock, og legger den til Bedrock-modellkatalogen med et kontekstvindu på 500 K token, tekst‑ og bilde‑input, samt fire konfigurerbare resonnerings‑innsatsnivåer. AWS Machine Learning Blog kunngjøring beskriver Grok 4.7 som en frontmodell bygget for koding, langvarige agenter og kunnskapsarbeid.

xAI lanserte først Grok 4.7 21. september 2026 i en lanseringskunngjøring som gjorde modellen tilgjengelig i Cursor og Grok Build, samt via Grok‑API‑et, tredjeparts kode‑harnesser og modell‑routere og skyplattformer. I den kunngjøringen satte xAI prisen på modellen fra $2 per million inntastingstoken og $6 per million utdata‑token, og opplyste at den tilbyr en rask variant med dobbel utdatahastighet for dobbel pris.

Hva xAI sier Grok 4.7 er bygget for

Ifølge xAI, som sitert i AWS‑innlegget, er Grok 4.7 deres mest kapable modell for koding og kunnskapsarbeid, med vekt på utholdenhet fremfor rå hastighet: modellen arbeider lenger på vanskelige oppgaver og kontrollerer eget arbeid mer nøye før den går videre. xAI rapporterer at Grok 4.7 bruker en ny, større basismodell som er trent gjennom en lengre forsterknings‑lærings‑kjøring på en tøffere blanding av oppgaver, vektlagt mot problemer som tar mange timer å fullføre. xAI tilskriver denne treningen to evner: bedre verifisering av modellens eget arbeid, og mer effektiv utnyttelse av dens 500 K token‑kontekstvindu på lange oppgaver. xAI sier også at de trente modellen til å forstå Grok Bot‑harnessen nativt, noe de krediterer for forbedringer i samtaleoppgaver og generelt kunnskapsarbeid.

xAI rapporterer videre sterkere dokument‑ og presentasjonsgenerering og beskriver gevinster i profesjonelt kunnskapsarbeid av typen som utføres av advokater, sykepleiere og finansanalytikere. De publiserte evalueringene dekker programvareutvikling med CursorBench og DeepSWE, fler‑timers terminal‑ og kontorarbeid med Terminal‑Bench og AA Briefcase, elektroteknikk med EEBench, juridisk arbeid med Harvey Legal Agent Benchmark, og klinisk resonnering med HealthBench Professional.

Uavhengige evalueringsresultater

AWS‑innlegget refererer også til Artificial Analysis, som beskrives som å kjøre egne evalueringer i stedet for å stole på utvikler‑rapporterte tall. I disse resultatene registrerer Grok 4.7 en intelligensindeks på 46 mot 44 for Grok 4.6, en kode‑agent‑indeks på 56 mot 47, en AA‑Briefcase‑Elo på 1 657 mot 1 546, en GDPval‑AA‑Elo på 1 695 mot 1 605, og en AA‑Omniscience‑indeks på 32 mot 30, med en hallusinasjonsrate på 29 % mot 34 %. Artificial Analysis målte Grok 4.7 med sitt xhigh resonnerings‑innsatsnivå og Grok 4.6 på det innsatsnivået som ble rapportert for hver måling.

Innlegget påpeker kompromisset i den siste raden av tabellen: Grok 4.7 brukte omtrent 81 000 utdata‑token per intelligensindeks‑oppgave, mot omtrent 38 000 for Grok 4.6, noe innlegget beskriver som omtrent dobbelt per oppgave og en grunn til å sette innsatsnivået bevisst i stedet for å arve standardverdien.

Sikkerhet og cybersikkerhet

Ifølge xAI ble Grok 4.7 bygget med en helt ny sikkerhetsstabel og er den sterkeste modellen de har testet på avslag og motstand mot jailbreak. xAI beskriver målet i dual‑bruks‑områder som cybersikkerhet og biologisk arbeid som å forbli nyttig for legitime oppgaver mens den avviser farlige. Når det gjelder cybersikkerhet spesielt, rapporterer xAI at modellen kun tillater en liten andel risikable dual‑bruks‑spørsmål, mens den sjelden blokkerer legitim sikkerhetsarbeid, og de har begynt å gi utvalgte cybersikkerhetspartnere kun invitasjonsbasert tilgang til Grok 4.7‑s red‑team‑kapasiteter for forsvarsforskning.

Hvordan Grok 4.7 pakkes på Amazon Bedrock

På Bedrock godtar Grok 4.7 tekst‑ og bilde‑input og returnerer tekst. Modellen leveres på bedrock‑runtime‑endepunktet via tverr‑region‑inferenzprofiler, slik at forespørsler navngir en profil i stedet for en ren modell‑ID: us.xai.grok-4.7 for den amerikanske geografiske profilen, eller global.xai.grok-4.7 for den globale profilen, begge på /openai/v1‑stien til bedrock‑runtime‑basenettadressen. Grok 4.7 støtter Responses‑API‑et, Chat Completions‑API‑et, InvokeModel og Converse‑API‑et.

Fordi modellen er OpenAI‑kompatibel, fungerer OpenAI‑SDK‑et mot /openai/v1‑stien med en bærer‑token, som kan være enten en Amazon Bedrock‑API‑nøkkel eller en kort‑tids‑token opprettet fra AWS Identity and Access Management (IAM)‑legitimasjon. AWS‑SDK‑ene når den samme modellen via Converse, og signerer forespørsler med vanlige AWS‑legitimasjoner.

Modellen kobler også til standard Bedrock‑funksjoner. Implisitt prompt‑caching brukes automatisk på gjentatte prompt‑prefikser, slik at agenter som sender en stor system‑prompt eller referansedokument på hvert trekk betaler den bufrede satsen for det prefikset. Bedrock Guardrails festes ved ID og versjon på forespørselen, og anvender innholdsfiltre, avviste temaer, redigering av personlig identifiserbar informasjon og ordpolicyer både på prompten og svaret. Strukturert output begrenser et svar til et JSON‑skjema slik at etterfølgende kode kan parse det direkte, og invokeringslogging fanger hver kall i Amazon CloudWatch med forespørselen, svaret og token‑tall inkludert resonneringstoken.

Ruteprofiler, tjenestenivåer og tilgang

Den globale profilen ruter hver forespørsel til en hvilken som helst støttet kommersiell AWS‑region, sprer belastningen over mer kapasitet, og er priset under en geografisk profil. Innlegget påpeker at kompromisset er mindre kontroll over hvor en gitt forespørsel blir betjent, noe som kan medføre mer variabel ventetid. Den amerikanske geografiske profilen holder behandlingen innenfor USAs geografi, og oppfyller krav til datalagring i USA.

Tre tjenestenivåer tilbys. Standard er betaling per token uten forpliktelse; Priority gir raskere, prioritert behandling mot en premie; og Flex gir lavere kostnad for arbeid som ikke er tidskritisk. Pris per token på tvers av nivåene finnes på Amazon Bedrock‑prissiden.

Før første kall bekrefter brukerne at modellen er tilgjengelig for dem i Bedrock‑konsollen for den AWS‑regionen de planlegger å bruke. Når det gjelder tillatelser, evalueres bedrock:InvokeModel mot tre ressurser: kontoens standardprosjekt, den navngitte inferensprofilen og den underliggende grunnmodellen, hvis Amazon Resource Name er wildcardet på tvers av regioner fordi profiler på tvers av regioner ruter utenfor den kallende regionen. Autentisering med bearer‑token krever i tillegg bedrock:CallWithBearerToken, og profiler er individuelt avgrenset, så en policy som navngir den amerikanske profilen ikke dekker den globale.

Resonnering er alltid aktiv på Grok 4.7. Innsatsen settes via resonneringsparameteren på Responses‑API‑et eller gjennom additionalModelRequestFields på Converse, med høy som standard. Resonneringsinnhold er kryptert; det kan returneres ved å sende include: “reasoning.encrypted_content” i en Responses‑API‑forespørsel og deretter sendes tilbake i påfølgende runder for å gi modellen sin egen tidligere resonnering som kontekst i en flertrinns‑samtale. Chat Completions‑API‑et returnerer ikke resonneringstoken.

Innlegget anbefaler å behandle en langsiktig Amazon Bedrock‑API‑nøkkel som en kun utforsknings‑legitimasjon, bruke kortvarige bearer‑token generert fra IAM‑legitimasjon for produksjon, og slette en utforskningsnøkkel fra Bedrock‑konsollen når den ikke lenger er nødvendig.