# Grok 4.7 jest dostępny w Amazon Bedrock

- Source: MechNext — https://mechnext.eu/pl/article/24-grok-4-7-is-available-on-amazon-bedrock
- Published: 2026-09-29
- Updated: 2026-09-29
- Category: Industry News
- Language: pl (Markdown in other languages: ?lang=en, ?lang=de, ?lang=sk, ?lang=zh, ?lang=ru)

> AWS ogłosiło dostępność modelu xAI Grok 4.7 w Amazon Bedrock. Wskazuje okno kontekstowe 500 tys. tokenów, cztery poziomy nakładu rozumowania i dwa profile inferencji.

We wpisie na blogu AWS Machine Learning opublikowanym 28 września 2026 r. ogłoszono, że model Grok 4.7 firmy xAI jest dostępny w Amazon Bedrock. AWS przedstawia w nim rodzaje danych wejściowych i wyjściowych, rozmiar okna kontekstowego oraz nazwane interfejsy i profile inferencji. Te informacje warto czytać łącznie: sama wiadomość o dostępności nie określa jeszcze, jakiego rodzaju żądanie zostanie wysłane, którą ścieżkę API wybierze użytkownik ani jaki profil wskaże. Poniższe szczegóły pochodzą z komunikatu AWS.

### Dane wejściowe, odpowiedź i kontekst

Według AWS Grok 4.7 w Amazon Bedrock przyjmuje tekst i obrazy na wejściu oraz zwraca tekst. Kierunek tej wymiany ma znaczenie. Obraz jest opisany jako możliwy element danych wejściowych, natomiast wskazanym wynikiem jest tekst. Informacja o obsłudze obrazu na wejściu nie jest więc stwierdzeniem o tworzeniu obrazu na wyjściu. AWS podaje również okno kontekstowe o wielkości 500 tys. tokenów. Liczba ta określa deklarowany rozmiar kontekstu; sama w sobie nie mówi, jak długa będzie konkretna odpowiedź ani jaki rezultat przyniesie określone zadanie.

Wpis wymienia cztery poziomy nakładu rozumowania: low, medium, high i xhigh. Poziomem domyślnym jest high. Przy przygotowywaniu żądania warto więc rozpoznać, czy poziom ma być wybrany wprost, czy pozostawiony jako domyślny. Dzięki temu odczytujący konfigurację wie, do której z wymienionych wartości odnosi się żądanie. Nazwy poziomów i wartość domyślna nie stanowią jednak porównania jakości, czasu działania ani kosztu poszczególnych ustawień.

### Interfejsy i profile inferencji

AWS podaje, że model jest udostępniany przez punkt końcowy bedrock-runtime z wykorzystaniem profili inferencji między regionami. Wpis wymienia obsługę Responses API, Chat Completions API, InvokeModel oraz Converse API. Są to nazwane w komunikacie ścieżki wywołania modelu. Czytając przykład integracji, należy ustalić, której ścieżki dotyczy, ponieważ AWS osobno opisuje uwierzytelnianie i zawartość odpowiedzi dla wybranych interfejsów. Umieszczenie ich na jednej liście obsługiwanych opcji nie oznacza, że każdy szczegół odpowiedzi jest w nich identyczny.

Dwa podane profile mają nazwy `global.xai.grok-4.7` i `us.xai.grok-4.7`. AWS informuje, że w przypadku profilu geograficznego USA przetwarzanie pozostaje w geografii USA. To stwierdzenie odnosi się do tego konkretnego profilu, dlatego przy analizie miejsca przetwarzania istotna jest pełna nazwa profilu, a nie tylko nazwa modelu. Wpis opisuje również trzy poziomy usługi: Standard, Priority i Flex. Samo wymienienie tych nazw nie określa jeszcze zachowania pojedynczego żądania w danym poziomie.

### Uwierzytelnianie i treść rozumowania

Według wpisu AWS wywołania zgodne z OpenAI mogą używać klucza Bedrock API jako tokenu bearer. Wywołania Converse za pomocą boto3 używają natomiast SigV4 z poświadczeniami AWS. Te informacje dotyczą różnych ścieżek wywołania. Przy konfigurowaniu klienta należy więc powiązać sposób uwierzytelniania z wybranym interfejsem, zamiast zakładać, że jeden opis obejmuje każdą z wymienionych możliwości.

AWS wskazuje też różnicę w treści odpowiedzi. Responses API może na żądanie zwrócić zaszyfrowaną treść rozumowania, podczas gdy Chat Completions API nie zwraca tokenów rozumowania. Możliwość poproszenia o zaszyfrowaną treść w Responses API nie jest zatem podstawą do oczekiwania takiego samego wyniku w Chat Completions API. Oba interfejsy są wymienione jako obsługiwane, ale wskazany szczegół wyjścia jest dla nich odmienny.

Przy wstępnej ocenie integracji pomocne są cztery pytania: czy żądanie ma zawierać tekst lub obraz, który z podanych interfejsów zostanie użyty, jaka będzie pełna nazwa profilu inferencji oraz czy poziom nakładu rozumowania trzeba wskazać jawnie. [Wpis na blogu AWS Machine Learning](https://aws.amazon.com/blogs/machine-learning/grok-4-7-is-now-available-on-amazon-bedrock) dostarcza danych potrzebnych do takiego odczytania ogłoszenia. Potwierdza dostępność modelu w Bedrock i wymienia te ustawienia; z samych tych informacji nie wynika wynik konkretnego zastosowania.