xAI的Grok 4.7现已在AWS Bedrock上线,提供50万token上下文窗口和四个可配置推理强度,支持编程、长时Agent和知识工作。
xAI 的 Grok 4.7 现已在 Amazon Bedrock 上可用,将一个面向编程、长时运行 Agent 和知识工作的前沿模型添加到了 Bedrock 模型目录。它提供 500K token 上下文窗口,并支持在 low、medium、high 和 xhigh 四个级别配置推理努力度。
Grok 4.7 通过跨区域推理配置文件在 bedrock-runtime 端点上提供服务,支持 Responses、Chat Completions 和 Converse API。据 xAI 介绍,这是他们面向编程和知识工作能力最强的模型:在困难任务上工作更长时间,在继续之前更仔细地验证自己的输出。
本文涵盖 xAI 所述的 Grok 4.7 设计用途、在 Amazon Bedrock 上的打包方式,以及如何发送第一个请求。
本节的 capability 和训练细节来自 xAI 于 2026 年 9 月 21 日发布的发布公告 Introducing Grok 4.7,以及 Grok 4.7 模型文档。
xAI 将 Grok 4.7 定位为其在编程和知识工作方面能力最强的模型。主题是耐力而非原始速度:模型在困难任务上工作更长时间,在继续之前更仔细地检查自己的工作。
在训练方面,xAI 报告 Grok 4.7 使用了一个新的、更大的基础模型。它在更难的任务组合上进行了更长的强化学习训练,特意偏向需要数小时才能完成的问题。这一训练产生了两个能力:模型更好地验证自己的工作,在长任务上更有效地利用其 500K token 上下文窗口。xAI 还训练它原生理解 Grok Bot 工具,这归功于对话任务和一般知识工作的改进。
对于构建 Agent 的任何人,自验证行为是值得注意的细节。在长轨迹上,一个在继续之前检查自己输出的模型往往灾难性失败得更少,因为早期错误会通过每个后续步骤复合。
xAI 还强调了更强的文档和演示生成能力,并描述了在律师、护士和金融分析师等专业知识工作方面的提升。xAI 报告其已发布评估均有提升,涵盖:软件工程的 CursorBench 和 DeepSWE、多小时终端和办公工作的 Terminal-Bench 和 AA Briefcase、电气工程的 EEBench、法律工作的 Harvey Legal Agent Benchmark,以及临床推理的 HealthBench Professional。具体结果见 xAI 的公告。
Artificial Analysis 运行自己的评估而非依赖开发者报告的数据,这使其成为 xAI 已发布结果之外的有用参考。
据 Artificial Analysis 报道,Grok 4.7 在其整个评估套件中均有改进。最大提升出现在长期时序 Agent 知识工作和 xAI 自身工具中运行的编程 Agent 上。Intelligence Index 是一个复合指标,由涵盖 Agent 工具使用、推理与知识、知识可靠性和长上下文工作的多个独立评估构建。
Grok 4.7 以 xhigh 推理努力度测量,Grok 4.6 以 Artificial Analysis 为每个指标报告的努力级别测量。最后一行是需要计划的权衡:提升伴随着每个任务大约两倍的输出 token。这就是为什么有意识地设置努力级别而不是继承默认值是有回报的。
据 xAI 介绍,Grok 4.7 使用了全新的安全保障栈构建,是其在拒绝和越狱抵抗方面测试过的最强模型。xAI 将网络安全和生物工作等双用途领域的目标框定为同时坚持两件事:对合法任务保持有用,同时拒绝危险任务。
在网络安全方面,xAI 报告该模型只允许极小部分危险的双用途 prompt 通过,同时很少阻止合法的安全工作。xAI 还已开始向选定的网络安全合作伙伴提供 Grok 4.7 红队能力的邀请制访问权限,用于防御研究。
Grok 4.7 接受文本和图像输入并返回文本。模型通过跨区域推理配置文件在 bedrock-runtime 端点上提供服务,因此请求命名一个配置文件而不是裸模型 ID:
Grok 4.7 支持 Responses API、Chat Completions API、InvokeModel 和 Converse API。
因为模型是 OpenAI 兼容的,你可以选择客户端。OpenAI SDK 通过 /openai/v1 路径和 bearer token 运作,token 可以是 Amazon Bedrock API 密钥或从你的 AWS Identity and Access Management (IAM) 凭证生成的短期 token。AWS SDK 通过 Converse 到达同一模型,用你的普通 AWS 凭证签名请求。如果要移植现有集成,使用 OpenAI SDK。如果你想在整个账户中的模型上使用统一的消息格式,以及通过标准 Bedrock 事件类型的调用日志和响应流,使用 Converse。
隐式 prompt 缓存自动应用于重复的 prompt 前缀,因此每次轮次重新发送大型系统 prompt 或引用文档的 Agent 为该前缀支付缓存费率。Amazon Bedrock Guardrails 通过请求上的 ID 和版本附加,将内容过滤器、拒绝话题、个人身份信息 (PII) 删除和词汇策略应用到 prompt 和响应。这对于可能跨多步无人值守运行的模型很有用。通过结构化输出,你可以将响应约束到 JSON Schema,以便下游代码直接解析。调用日志在 Amazon CloudWatch 中捕获每次调用,包括请求、响应和 token 计数(包括推理 token)。这为长时 Agent 运行提供了审计跟踪。
Grok 4.7 通过两个跨区域推理配置文件之一路由,而不是固定到单个区域。
Global 配置文件 global.xai.grok-4.7 将每个请求路由到任何支持的商业 AWS 区域,在更多容量上分散负载,定价低于地理配置文件。权衡是对给定请求的服务位置控制更少,这可能意味着更不稳定的延迟。
US 地理配置文件 us.xai.grok-4.7 将处理保持在美国境内,这解决了美国数据驻留要求。当你有驻留限制或延迟敏感流量时选择它,当成本和吞吐量更重要时选择 Global。
Standard 是按量付费无需承诺,通过设置 "service_tier": "default" 或省略该字段选择。Priority 为溢价提供更快、优先的处理("service_tier": "priority")。Flex 为非时间敏感的工作提供更低成本的访问("service_tier": "flex")。
服务层级是你控制的重要成本杠杆。各层级的按 token 定价见 Amazon Bedrock 定价页面。
在第一次调用之前,确认模型在你计划使用的 AWS 区域的 Bedrock 控制台中对你可用。
安装 OpenAI SDK,如果计划使用 Converse API,还要安装 boto3:
pip install openai
pip install boto3
从 Amazon Bedrock 控制台生成长期 Amazon Bedrock API 密钥用于探索,然后设置你的环境:
export OPENAI_API_KEY="<provide your Bedrock API key>"
export OPENAI_BASE_URL="https://bedrock-runtime.us-east-1.amazonaws.com/openai/v1"
使用 Chat Completions API 的第一个请求:
from openai import OpenAI
client = OpenAI()
response = client.chat.completions.create(
model="us.xai.grok-4.7",
messages=[
{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}
],
)
print(response.choices[0].message.content)
通过 Responses API 的相同调用:
response = client.responses.create(
model="us.xai.grok-4.7",
input="Can you explain the features of Amazon Bedrock?",
)
print(response.output_text)
以及通过 boto3 的 Converse API。因为推理始终处于活跃状态,第一个内容块携带推理内容,答案位于后面的块中,因此搜索块中的文本而不是索引 content[0]:
import boto3
client = boto3.client("bedrock-runtime", region_name="us-east-1")
response = client.converse(
modelId="us.xai.grok-4.7",
messages=[
{"role": "user", "content": [{"text": "Can you explain the features of Amazon Bedrock?"}]}
],
inferenceConfig={"maxTokens": 2048},
)
blocks = response["output"]["message"]["content"]
text = next(b["text"] for b in blocks if "text" in b)
print(text)
在 Converse 上,你通过 additionalModelRequestFields 而不是 reasoning 参数设置努力级别:
response = client.converse(
modelId="us.xai.grok-4.7",
messages=[{"role": "user", "content": [{"text": "What is 17*23? Number only."}]}],
inferenceConfig={"maxTokens": 3000},
additionalModelRequestFields={"reasoning_effort": "xhigh"},
)
三个操作注意事项。首先,请求必须命名 us.xai.grok-4.7 或 global.xai.grok-4.7。
其次,bedrock:InvokeModel 针对三个资源评估:你账户的默认项目、你命名的推理配置文件,以及底层基础模型 (FM)。基础模型 Amazon Resource Name (ARN) 在区域间通配,因为跨区域配置文件在调用区域之外路由。Bearer token 认证额外需要 bedrock:CallWithBearerToken,boto3 和 Converse 不需要:
{
"Version": "2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Action": "bedrock:InvokeModel",
"Resource": [
"arn:aws:bedrock:{region}:{account-id}:project/default",
"arn:aws:bedrock:{region}:{account-id}:inference-profile/us.xai.grok-4.7",
"arn:aws:bedrock:*::foundation-model/xai.grok-4.7"
]
},
{
"Effect": "Allow",
"Action": "bedrock:CallWithBearerToken",
"Resource": "*"
}
]
}
列出你计划调用的每个推理配置文件。配置文件各自独立作用域,因此命名 us.xai.grok-4.7 的策略不覆盖 global.xai.grok-4.7。
第三,两种认证机制覆盖不同的代码路径。OPENAI_API_KEY 中的 Amazon Bedrock API 密钥作为 bearer token 传递,对 OpenAI 兼容调用进行身份验证。boto3 Converse 示例改用 SigV4 签名,调用你环境中的普通 AWS 凭证、配置文件或角色。如果你打算将 Converse 与 OpenAI 兼容 API 一起使用,请配置两者。
将长期 API 密钥视为仅用于探索的凭证。对于生产环境,使用从 IAM 凭证生成的短期 bearer token,配合 aws-bedrock-token-generator 包,因为它们自动过期并将访问绑定到你的 IAM 身份。
推理在 Grok 4.7 上处于活跃状态,而努力级别是你控制其成本和延迟的主要手段。你通过 Responses API 上的 reasoning 参数(low、medium、high 或 xhigh)以及 Converse 上的 additionalModelRequestFields 来配置它。
默认值是 high。值得显式设置而不是继承,因为在延迟敏感或高容量调用上不设置它会花费比这些调用所需的更多的推理 token。
因为模型被训练为工作更长时间并验证自己的输出,更高的努力级别购买的不仅仅是单个答案的额外思考:它在长任务上购买了更多的自我检查。短提取和分类调用适合 low。多步规划、长时 Agent 轨迹以及早期错误会传播的工作是高和 xhigh 发挥价值的地方。
推理内容是加密的。通过在 Responses API 请求上传递 include: ["reasoning.encrypted_content"] 可以让它返回。然后在后续轮次中将该内容发送回去,为模型提供其自己的先前推理作为多轮对话的上下文。Chat Completions API 不返回推理 token。
from openai import OpenAI
client = OpenAI() # OPENAI_BASE_URL points at the bedrock-runtime endpoint
response = client.responses.create(
model="us.xai.grok-4.7",
reasoning={"effort": "high"},
include=["reasoning.encrypted_content"],
input="Explain quantum entanglement simply.",
)
print(response.output_text)
要找到额外的推理不再值得的边界,请针对你自己的工作负载对各个级别进行基准测试。
通过 Amazon Bedrock 中的 Grok 4.7,你获得 500K token 上下文窗口、四个推理努力级别、图像输入、工具调用以及 Geo 和 Global 跨区域路由。所有这些都可以通过 Responses、Chat Completions 和 Converse API 访问。
要开始构建,请查看 Grok 4.7 模型卡以了解当前区域列表、功能矩阵和参数详情,并查看 Amazon Bedrock 定价页面了解 token 费率。如果你生成了用于探索的长期 Amazon Bedrock API 密钥,请在完成后从 Amazon Bedrock 控制台删除它。不再需要的长期凭证只会扩大你账户的攻击面。
xAI, Introducing Grok 4.7
Artificial Analysis, Benchmarking Grok 4.7
xAI, Grok 4.7 model documentation
Amazon Bedrock pricing