一句话结论
xAI 的 Grok 4.7 模型接入 Amazon Bedrock，凭借增强的强化学习训练和更长推理时间，显著提升处理耗时数小时复杂任务的能力。
关键要点
- Grok 4.7 基于比 Grok 4.6 更大的基础模型，通过更长的强化学习训练，专门优化耗时数小时的复杂长时程任务表现。
- 在 Terminal-Bench 4.0 上得分从 20.3% 提升至 37.6%，在 HealthBench Professional 上从 48.5% 提升至 56.7%，多项基准测试优于上一代模型。
- 模型支持 500K token 上下文窗口，接受文本和图像输入，提供美国数据驻留（us.xai.grok-4.7）和全球无驻留限制（global.xai.grok-4.7）两种跨地域配置文件。
- 提供 low、medium、high、xhigh 四种推理努力等级，其中 xhigh 级别在 18 次测试运行中全部正确，但中位耗时增加至 106 秒，平均输出 token 增加至 9,147 个。
背景与事实
Amazon Bedrock 正式开放了来自 xAI 的 Grok 4.7 模型访问权限，该模型基于比前代 Grok 4.6 更大的基础模型构建，并经过了更长时间的强化学习训练周期。这一迭代的核心目标在于解决那些需要耗时数小时才能完成的复杂任务，旨在通过优化长时程代理（long-horizon agents）的逻辑连贯性来提升自动化程度。在性能基准测试中，Grok 4.7 在多个关键领域均展现出优于 4.6 版本的数据：在 Terminal-Bench 4.0 测试中，通过率从 20.3% 显著上升至 37.6%；在 EEBench 测试中，成绩从 53.0% 提升至 64.0%；在法律代理任务 Harvey Legal Agent 中，表现从 15.8% 提高至 19.6%；在代码辅助基准 CursorBench 4.0 中，得分从 40.4% 升至 46.3%；在医疗健康专业基准 HealthBench Professional 中，准确率从 48.5% 提升至 56.7%；而在 AA Briefcase v1.1 测试中，得分从 1,546 分跃升至 1,657 分。
该模型支持高达 500K token 的上下文窗口，能够接受文本和图像作为输入，并输出文本内容。为了满足不同合规和性能需求，Bedrock 提供了两种跨地域配置文件：us.xai.grok-4.7 专门针对美国数据驻留场景，而 global.xai.grok-4.7 则不受地理驻留限制，允许全球路由。在技术兼容性方面，模型不仅支持 Bedrock Converse API，还兼容 OpenAI API 标准，降低了开发者的迁移和集成成本。在推理控制方面，系统引入了 low、medium、high、xhigh 四种推理努力等级，开发者可根据任务复杂度和成本预算进行调节。
在针对包含 20 个服务、7 个工具及 3 个任务的合成环境进行的 72 次测试中，Grok 4.7 成功正确回答了 67 次。具体到推理努力等级的表现差异，xhigh 级别在 18 次运行中实现了全对，medium 与 high 级别各对了 17/18 次，而 low 级别对了 15/18 次。资源消耗方面，随着推理努力等级的提升，平均输出 token 数从 low 级别的 1,184 个显著增加至 xhigh 级别的 9,147 个，中位耗时也从 18 秒延长至 106 秒，而工具调用次数则稳定保持在 17.2 至 18.7 次之间。在优化任务中，medium 及以上级别实现了全对，而在约束满足任务中，xhigh 级别能够每次生成有效计划。
在访问权限与安全方面，调用该模型需要 bedrock:InvokeModel 权限，官方建议在生产环境中使用短期 Bearer 令牌以增强安全性。日志记录支持写入 Amazon S3 或 CloudWatch Logs，成本核算可通过 Cost Explorer 分项列出。服务层级可按请求设置，通常 Global 配置文件的每令牌价格低于地理路由的 US 配置文件，但 US 配置文件确保数据保留在美国境内。对于高调用量的代理应用，内置重试机制是必要的，因为按需吞吐量会随时间扩展。在计费资源管理方面，除了每请求的令牌使用外，未创建其他可计费 AWS 资源，长期 API 密钥需手动删除，短期令牌会自动过期，而启用的 S3 日志桶需定期清理对象。
影响分析
对于中文开发者与企业从业者而言，Grok 4.7 在 Amazon Bedrock 上的上线意味着可以低代码或无代码方式获得顶级长时程代理能力。特别是其兼容 OpenAI API 的特性，使得原本基于 OpenAI 生态构建的代理应用可以无缝迁移至 Bedrock，无需重构底层逻辑，极大降低了技术选型的门槛。对于涉及合规要求较高的行业，如金融或医疗，us.xai.grok-4.7 的美国数据驻留特性提供了数据主权保障，而 global.xai.grok-4.7 则适合追求极低延迟和成本优化的全球业务。四种推理努力等级的引入，使得开发者能够在成本与效果之间寻找平衡点，例如在对准确性要求极高的约束满足任务中启用 xhigh，而在常规任务中使用 low 以控制延迟和 token 消耗。这一变化促使从业者重新评估其自动化工作流的设计，将更多耗时数小时的复杂任务交由 AI 代理处理，从而提升整体运营效率。
适用边界
该结论的适用性受限于对特定任务类型和资源成本的容忍度。虽然 xhigh 级别在优化任务和约束满足任务中表现优异，但其高昂的 token 消耗（平均 9,147 个）和较长耗时（中位 106 秒）使其不适合对延迟敏感或预算严格的实时交互场景。此外，US 配置文件的数据驻留限制意味着非美国区域的用户若需数据本地化存储，可能面临更高的成本或延迟，此时 Global 配置文件虽价格较低但无法保证数据不出境。对于依赖单一工具链或无法接受跨地域路由的业务，该模型的部署需要额外的网络架构调整。同时，模型在 low 级别下仍有 3/18 的错误率，表明其在低算力配置下的可靠性下降，不适合容错率极低的金融交易执行等场景。
孤本观察
编辑判断认为，Grok 4.7 在长时程任务上的显著进步，尤其是工具调用次数的稳定性，暗示其强化学习训练重点在于逻辑连贯性而非单纯的语言生成速度。
这一特性使得该模型更适合作为后台自主代理的核心引擎，而非面向终端用户的即时响应助手。
常见问题
Grok 4.7 的上下文窗口最大支持多少 token？
支持 500K token 上下文窗口。
xhigh 推理努力等级的中位耗时和平均输出 token 数是多少？
中位耗时为 106 秒，平均输出 token 为 9,147 个。
us.xai.grok-4.7 和 global.xai.grok-4.7 两种配置文件的主要区别是什么？
us.xai.grok-4.7 针对美国数据驻留场景，global.xai.grok-4.7 不受地理驻留限制，允许全球路由。
在 72 次合成环境测试中，Grok 4.7 的成功回答次数是多少？
成功正确回答了 67 次。
调用 Grok 4.7 模型需要哪种 AWS 权限？
需要 bedrock:InvokeModel 权限。