Grok 4.7 von xAI ist jetzt auf Amazon Bedrock verfügbar
xAIs Grok 4.7 steht über Amazon Bedrock zur Verfügung, mit einem Kontextfenster von 500.000 Tokens, konfigurierbarem Reasoning-Aufwand, Bildeingabe und Unterstützung für langlebige agentic Workloads über OpenAI-kompatible APIs.
Veröffentlicht am 26. Oktober • Zuerst erschienen auf aidatalegends.com
xAIs Grok 4.7 ist jetzt auf Amazon Bedrock verfügbar und bringt ein Kontextfenster von 500K Tokens, konfigurierbares reasoning, Bildeingabe sowie Unterstützung für langlaufende agentic Workloads mit.
Auf den ersten Blick sieht das wie ein weiteres Modell aus, das dem wachsenden Bedrock-Katalog beitritt.
Dahinter steckt jedoch eine deutlich interessantere Engineering-Geschichte.
Grok 4.7 bietet mehrere Stellschrauben, die sich direkt darauf auswirken, wie sich eine Anwendung in der Produktion verhält:
Das sind nicht bloß Konfigurationsoptionen. Sie beeinflussen Kosten, Latenz, Durchsatz, Datenresidenz und wie viel reasoning-Kontext Ihr Agent zwischen den einzelnen Schritten mitführen kann.
Für alle, die agentic Pipelines bauen, wird Grok 4.7 genau dadurch interessant.
Die spannende Veränderung liegt nicht einfach darin, dass über Bedrock ein weiteres Frontier-Modell verfügbar ist.
Sondern darin, dass reasoning zu einem expliziten Problem der Produktionssteuerung geworden ist.
Und reasoning ist standardmäßig aktiviert, wobei high als Standard-Stufe für den Aufwand gilt.
Das bedeutet, dass eine Produktionsanwendung nicht blind jede Anfrage mit dem Standardwert verschicken sollte.
Eine einfache Klassifikationsanfrage benötigt nicht unbedingt dasselbe Maß an reasoning wie ein mehrstufiger Coding-Agent.
Benutzeranfrage │ ▼ Intent-Klassifikation │ ▼ Planning-Agent │ ▼ Tool-Ausführung │ ▼ Verifikation │ ▼ Finale Antwort Enter fullscreen mode Exit fullscreen mode Überall xhigh zu verwenden könnte verschwenderisch sein.
Eine durchdachtere Strategie könnte so aussehen:
Klassifikation → low, Einfache Extraktion → low, Normales reasoning → medium, Planung → high, Komplexe Agent-Schleife → xhigh Enter fullscreen mode Exit fullscreen mode Das exakte Mapping sollte gegen Ihre Workload benchmarket werden, aber der Grundsatz ist wichtig:
Der reasoning-Aufwand sollte Teil Ihrer Routing-Politik werden und nicht einfach auf dem Standardwert belassen werden.
AWS empfiehlt, die reasoning-Stufen gegen die eigene Workload zu benchmarken, um zu ermitteln, an welchem Punkt zusätzlicher Aufwand für reasoning sich nicht mehr bezahlt macht.
Das wird besonders wichtig für agentic Systeme.
Artificial Analysis berichtet einen Intelligence Index von 46 für Grok 4.7 gegenüber 44 für Grok 4.6, während der Coding-Agent-Score von 47 auf 56 gestiegen ist.
Die Auswertung weist zudem rund 81K Ausgabe-Tokens pro Intelligence-Index-Aufgabe für Grok 4.7 gegenüber etwa 36K für Grok 4.6 aus, wobei Grok 4.7 mit der reasoning-Stufe xhigh und Grok 4.6 mit high gemessen wurde.
Das sind mehr als doppelt so viele Ausgabe-Tokens pro Aufgabe.
Und genau deshalb ist der reasoning-Aufwand in der Produktion relevant.
Ein einzelnes zusätzliches Token mag nicht viel ausmachen.
Ein Agent, der 50 Modellaufrufe tätigt, kann das sehr wohl.
Wenn jeder Schritt teurer wird, verändern sich die Ökonomie des gesamten Agents.
Ein subtiler Punkt bei Grok 4.7 auf Bedrock ist, dass es nicht über einen normalen In-Region-Modellaufruf verfügbar ist.
AWS stellt derzeit zwei Cross-Region-Inference-Profile bereit:
us.xai.grok-4.7 global.xai.grok-4.7 Enter fullscreen mode Exit fullscreen mode Das us-Profil ist die Geo-Option, während global die Global-Option darstellt.
Geo-Routing hält die Inference innerhalb der unterstützten geografischen Grenze.
Für Grok 4.7 stellt AWS derzeit ein US-Geo-Profil bereit.
Globales Routing kann unterstützte kommerzielle AWS-Regionen weltweit nutzen.
So ist Global unter Standardpreisen sowohl bei der Ein- als auch bei der Ausgabe etwa 9% günstiger als Geo.
Mit globalem Routing erhalten Sie Zugang zu einem größeren Kapazitätspool, haben aber weniger Kontrolle darüber, wo genau eine einzelne Anfrage verarbeitet wird.
Welche Routing- und Residenzpolitik erfordert diese Workload?
Das ist eine deutlich hilfreichere Art, darüber nachzudenken.
Dies ist ein Auszug. Der vollständige Artikel geht weiter mit:
Lesen Sie den vollständigen Artikel auf AI Data Legends, mit Diagrammen, Code und Quellen.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Posted on Oct 26 • Originally published at aidatalegends.com
xAI's Grok 4.7 is now available on Amazon Bedrock, bringing a 500K-token context window, configurable reasoning, image input, and support for long-running agentic workloads.
At first glance, this looks like another model joining the growing Bedrock catalog.
But there is a more interesting engineering story underneath.
Grok 4.7 gives you several knobs that directly affect how an application behaves in production:
Those aren't just configuration options. They affect cost, latency, throughput, data residency, and how much reasoning context your agent can carry between turns.
For anyone building agentic pipelines, that's where Grok 4.7 gets interesting.
The interesting change isn't simply that another frontier model is available through Bedrock.
It's that reasoning has become an explicit production-control problem.
And reasoning is enabled by default, with high as the default effort level.
That means a production application shouldn't blindly send every request using the default.
A simple classification request doesn't necessarily need the same amount of reasoning as a multi-step coding agent.
User request │ ▼ Intent classification │ ▼ Planning agent │ ▼ Tool execution │ ▼ Verification │ ▼ Final response Enter fullscreen mode Exit fullscreen mode Using xhigh everywhere could be wasteful.
A more deliberate strategy might look like:
Classification → low Simple extraction → low Normal reasoning → medium Planning → high Complex agent loop → xhigh Enter fullscreen mode Exit fullscreen mode The exact mapping should be benchmarked against your workload, but the principle is important:
Reasoning effort should become part of your routing policy, not a value you leave at its default.
AWS recommends benchmarking the reasoning levels against your workload to determine where additional reasoning stops paying for itself.
This becomes particularly important for agentic systems.
Artificial Analysis reports an Intelligence Index of 46 for Grok 4.7 versus 44 for Grok 4.6, while its Coding Agent score increased from 47 to 56.
The evaluation also reports approximately 81K output tokens per Intelligence Index task for Grok 4.7 versus roughly 36K for Grok 4.6, with Grok 4.7 measured at xhigh reasoning effort and Grok 4.6 at high.
That is more than twice the output tokens per task.
And this is exactly why reasoning effort matters in production.
A single additional token might not matter much.
An agent making 50 model calls absolutely can.
If every step becomes more expensive, the economics of the entire agent changes.
One subtle point about Grok 4.7 on Bedrock is that it isn't exposed through a normal in-Region model invocation.
AWS currently exposes two cross-Region inference profiles:
us.xai.grok-4.7 global.xai.grok-4.7 Enter fullscreen mode Exit fullscreen mode The us profile is the Geo option, while global is the Global option.
Geo routing keeps inference within the supported geographic boundary.
For Grok 4.7, AWS currently provides a US Geo profile.
Global routing can use supported commercial AWS Regions worldwide.
So Global is about 9% cheaper than Geo on both input and output under Standard pricing.
With Global routing, you get access to a larger pool of capacity, but you have less control over exactly where an individual request is processed.
"What routing and residency policy does this workload require?"
That's a much more useful way to think about it.
This is an excerpt. The full article continues with:
Read the full article on AI Data Legends, with diagrams, code and sources.