xAI Grok 4.7 现已在 Amazon Bedrock 上线

xAI 的 Grok 4.7 现已在 Amazon Bedrock 上提供，为 Bedrock 模型目录增添了一个专为编码、长时间运行的智能体以及知识型工作而构建的前沿模型。它提供 50 万 token 的上下文窗口，并支持四个级别的可选推理强度：低、中、高和极高。

Grok 4.7 通过跨区域推理配置文件在 bedrock-runtime 端点上提供服务，并支持 Responses、Chat Completions 和 Converse API。根据 xAI 的说法，这是其在编码和知识型工作方面能力最强的模型：它能在困难任务上投入更长的时间，并在继续下一步之前更仔细地验证其自身输出。

本文涵盖 xAI 所述 Grok 4.7 的设计用途、在 Amazon Bedrock 上的打包方式，以及如何发送您的第一个请求。

Grok 4.7 的适用场景

本节中的能力和训练细节来自 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 定位为其在编码和知识型工作方面能力最强的模型。其核心主题是耐力而非原始速度：该模型能在困难任务上持续工作更长时间，并在继续下一步之前更仔细地检查自己的工作。

在训练方面，xAI 报告称，Grok 4.7 使用了全新且更大的基础模型。它经过更长时间的强化学习训练，面对更难的任务组合，这些任务被刻意加权，侧重于需要数小时才能完成的问题。由此产生了两种能力：模型在验证自身工作方面表现更佳，并且在长任务中能更有效地利用其 50 万 token 的上下文窗口。xAI 还对其进行了训练，使其原生理解 Grok Bot 框架，这归功于其在对话任务和通用知识型工作上的改进。

对于任何构建智能体的开发人员来说，值得注意的细节是其自我验证行为。一个在继续之前会检查自身输出的模型，在长轨迹中往往不会发生灾难性失败，因为否则早期的错误会在后续每一步中不断累积。

xAI 还强调了更强的文档和演示文稿生成能力，并描述了在法律、护士和金融分析师等专业知识型工作方面的提升。xAI 报告在其已发布的评估中取得了全面进步。这些评估涵盖使用 CursorBench 和 DeepSWE 进行的软件工程、使用 Terminal-Bench 和 AA Briefcase 进行的长达数小时的终端和办公工作、使用 EEBench 进行的电气工程、使用 Harvey Legal Agent Benchmark 进行的法律工作，以及使用 HealthBench Professional 进行的临床推理。有关具体结果，请参阅 xAI 的公告。

独立评估

Artificial Analysis 运行自己的评估，而不是依赖开发者报告的数据，这使其成为与 xAI 已发布结果并列的有用参考。

根据 Artificial Analysis 的说法，Grok 4.7 在其评估套件中各项指标均有提升。最大的进步体现在长周期智能体知识型工作和在 xAI 自有框架中运行的编码智能体上。智力指数（Intelligence Index）是一个综合指标，由多个独立评估组成，涵盖智能体工具使用、推理与知识、知识可靠性以及长上下文工作。

Grok 4.7 以极高推理强度进行测量，而 Grok 4.6 则采用 Artificial Analysis 报告的各指标对应的强度级别。最后一行是需考虑的权衡：收益伴随着每个任务约两倍的输出 token 数。因此，故意设置强度级别而非继承默认值是值得的。

安全与网络安全

据 xAI 称，Grok 4.7 采用了全新的安全护栏堆栈构建，是其在拒绝回答和抵御越狱攻击方面测试过的最强模型。xAI 将网络安全和生物研究等双重用途领域的目标定义为同时兼顾两点：在合法任务中保持有用性，同时拒绝危险请求。

在网络安全方面，xAI 报告称该模型仅允许极小部分具有风险的双重用途提示词通过，而很少拦截合法的网络安全工作。xAI 已开始向选定的网络安全合作伙伴提供仅限邀请的访问权限，以使用 Grok 4.7 的红队能力进行防御研究。

Grok 4.7 在 Amazon Bedrock 上的打包方式

Grok 4.7 接受文本和图片输入，并返回文本。该模型通过跨区域推理配置文件在 bedrock-runtime 端点上提供服务，因此请求需指定一个配置文件而非裸模型 ID：

Grok 4.7 支持 Responses API、Chat Completions API、InvokeModel 和 Converse API。

由于该模型兼容 OpenAI，您可以选择客户端。OpenAI SDK 针对 /openai/v1 路径运行，使用承载令牌（bearer token），可以是 Amazon Bedrock API 密钥，也可以是从您的 AWS Identity and Access Management (IAM) 凭据生成的短期令牌。AWS SDK 通过 Converse 访问同一模型，并使用常规 AWS 凭据对请求进行签名。如果您正在移植现有集成，请使用 OpenAI SDK。如果您希望账户中的模型具有一致的消息格式，并通过标准 Bedrock 事件类型实现调用日志记录和响应流式传输，请使用 Converse。

使用 Bedrock 功能结合 Grok 4.7

隐式提示词缓存会自动应用于重复的提示词前缀，因此每次轮次都重新发送大型系统提示词或参考文档的智能体会为该前缀支付缓存费率。Amazon Bedrock Guardrails 通过在请求中按 ID 和版本附加，对提示词和响应应用内容过滤器、禁止主题、个人身份信息 (PII) 脱敏以及词汇策略。这对于可能在多个步骤中无人值守运行的模型非常有用。借助结构化输出，您可以将响应约束为 JSON Schema，以便下游代码直接解析。调用日志记录会在 Amazon CloudWatch 中捕获每次调用，包括请求、响应以及令牌计数（含推理令牌）。这为您提供了长智能体运行的审计轨迹。

区域与推理选项

Grok 4.7 通过两个跨区域推理配置文件之一进行路由，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受支持的商业 AWS 区域，从而在更多容量上分散负载，且价格低于地理配置文件。其权衡之处在于对特定请求的服务位置控制较少，这可能意味着延迟波动更大。

US 地理配置文件（us.xai.grok-4.7）将处理保留在美国地理范围内，以满足美国数据驻留要求。当存在驻留限制或对延迟敏感时请选择此配置；当成本和吞吐量更为重要时，请选择 Global。

服务层级与定价

Standard（标准）为按令牌付费，无需承诺，通过设置 "service_tier": "default" 或省略该字段来选择。Priority（优先）提供更快、优先处理的 premium 服务（"service_tier": "priority"）。Flex（灵活）为非时间敏感型工作提供更具成本效益的访问（"service_tier": "flex"）。

服务层级是一个您可控的重要成本杠杆。有关各层级的按令牌定价详情，请参阅 Amazon Bedrock 定价页面。

发送您的第一个请求

在首次调用之前，请确认在您计划使用的 AWS 区域的 Bedrock 控制台中，该模型对您可用。

pip install openai
pip install boto3

export OPENAI_API_KEY="<provide your Bedrock API key>"
export OPENAI_BASE_URL="https://bedrock-runtime.us-east-1.amazonaws.com/openai/v1"

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)

response = client.responses.create(
    model="us.xai.grok-4.7",
    input="Can you explain the features of Amazon Bedrock?",
)
print(response.output_text)

并通过带有 boto3 的 Converse API 进行调用。由于推理功能始终处于激活状态，第一个内容块包含推理过程，而答案位于后续的内容块中，因此应搜索包含文本的内容块，而不是直接索引 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)

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，请求必须指定 us.xai.grok-4.7 或 global.xai.grok-4.7。

其次，bedrock:InvokeModel 权限会针对三个资源进行评估：您账户的默认项目、您指定的推理配置文件以及底层基础模型（FM）。基础模型的亚马逊资源名称（ARN）在区域间使用通配符，因为跨区域配置文件会将请求路由到调用区域之外。此外，基于承载令牌（Bearer token）的身份验证还需要 bedrock:CallWithBearerToken 权限，而 boto3 和 Converse 不需要此权限：

{
    "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": "*"
        }
    ]
}

列出您计划调用的所有推理配置文件。配置文件的权限是单独限制的，因此仅命名 us.xai.grok-4.7 的策略并不涵盖 global.xai.grok-4.7。

第三，两种身份验证机制覆盖不同的代码路径。OPENAI_API_KEY 中的 Amazon Bedrock API 密钥作为承载令牌传输，用于对兼容 OpenAI 的调用进行身份验证。boto3 Converse 示例则使用 SigV4 签名，依赖于来自环境、配置文件或角色的常规 AWS 凭据。如果您打算将 Converse 与兼容 OpenAI 的 API 一起使用，请同时配置这两种方式。

将长期有效的 API 密钥视为仅限探索使用的凭据。对于生产环境，请使用 aws-bedrock-token-generator 包从您的 IAM 凭据生成短期承载令牌，因为它们会自动过期，并将访问权限与您 IAM 身份绑定。

处理推理力度

Grok 4.7 已启用推理功能，而推理力度是您控制其成本和延迟的主要手段。您可以通过 Responses API 上的 reasoning 参数（设置为 low、medium、high 或 xhigh）以及 Converse 上的 additionalModelRequestFields 进行配置。

默认值为 high。值得显式设置该参数，而非依赖继承，因为在延迟敏感或高并发调用中若未设置此值，将消耗超出实际需求的推理 token。

由于模型经过训练以执行更长时间的推理并验证自身输出，更高的努力程度带来的收益不仅限于对单一答案的额外深思：它还能在长任务中实现更多的自我检查。短小的提取和分类类调用适合使用 low 级别；而多步规划、长代理轨迹以及早期错误容易传播的任务，则适合使用 high 和 xhigh 级别以获取其应有的 token 回报。

推理内容已加密。您可以通过在 Responses API 请求中包含 include: ["reasoning.encrypted_content"] 来接收该内容。随后，在后续对话轮次中将该内容发送回模型，以便在多轮对话中将其先前的推理作为上下文提供给模型。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)

要确定额外推理何时不再具有成本效益，请根据您的实际工作负载对各级别进行基准测试。

开始使用

借助 Amazon Bedrock 中的 Grok 4.7，您将获得 500K token 的上下文窗口、四种推理努力级别、图像输入、工具调用以及 Geo 和 Global 跨区域路由功能。所有这些功能均可通过 Responses、Chat Completions 和 Converse API 访问。

开始构建前，请查阅 Grok 4.7 模型卡片以获取当前区域列表、功能矩阵和参数详情，并查看 Amazon Bedrock 定价页面以了解 token 费率。如果您为探索目的生成了长期有效的 Amazon Bedrock API 密钥，请在完成后从 Amazon Bedrock 控制台中将其删除。不再需要的持久凭证只会扩大您账户的攻击面。

来源

• Grok 4.7 Model Card
• xAI, Introducing Grok 4.7
• Artificial Analysis, Benchmarking Grok 4.7
• xAI, Grok 4.7 model documentation
• Amazon Bedrock pricing

关于作者