Ein Beitrag im AWS Machine Learning Blog vom 28. September 2026 meldet, dass Grok 4.7 von xAI auf Amazon Bedrock verfügbar ist. AWS beschreibt darin die Eingaben und die Ausgabe des Modells, sein Kontextfenster sowie die genannten Schnittstellen und Inferenzprofile. Für Leserinnen und Leser, die eine Einbindung prüfen, gehören diese Angaben zusammen: Aus der Verfügbarkeit allein ergibt sich noch nicht, welche Eingabe vorgesehen ist, welcher API-Weg gewählt wird oder welcher Profilname in einer Anfrage stehen soll. Die folgenden Angaben stammen aus dem Beitrag von AWS.

Eingaben, Ausgabe und Kontext

Laut AWS nimmt Grok 4.7 auf Amazon Bedrock Text und Bilder als Eingabe an und gibt Text zurück. Die Richtung dieser Angabe ist wesentlich. Bilder werden als Eingabe genannt; als Ausgabe wird Text beschrieben. Wer ein Bild in einer Anfrage verwenden möchte, findet damit eine Aussage über die zulässige Eingabe, aber keine Aussage über eine Bildausgabe. AWS nennt außerdem ein Kontextfenster von 500.000 Token. Diese Zahl bezeichnet die angegebene Kontextgröße. Sie sagt für sich genommen weder aus, wie lang eine einzelne Antwort wird, noch welches Ergebnis eine bestimmte Aufgabe liefert.

Für den Reasoning-Aufwand nennt der Beitrag vier Stufen: low, medium, high und xhigh. Als Standard ist high eingestellt. Diese Unterscheidung kann bei der Vorbereitung einer Anfrage wichtig sein, wenn der gewählte Wert später eindeutig nachvollziehbar sein soll. Der Beitrag liefert die Namen der Stufen und die Standardeinstellung. Aus diesen Angaben allein lässt sich jedoch kein konkreter Unterschied bei Qualität, Dauer oder Kosten zwischen den Stufen ableiten.

Schnittstellen und Inferenzprofile

Grok 4.7 wird laut AWS über den Endpunkt bedrock-runtime mit regionsübergreifenden Inferenzprofilen bereitgestellt. Der Beitrag nennt Unterstützung für die Responses API, die Chat Completions API, InvokeModel und die Converse API. Das sind die im Beitrag aufgeführten Wege für einen Aufruf. Bei einem Vergleich von Beispielen sollte erkennbar bleiben, welcher Weg verwendet wird, denn AWS macht für bestimmte Wege getrennte Angaben zur Authentifizierung und zu Inhalten des Reasonings. Aus einer gemeinsamen Liste unterstützter Schnittstellen folgt nicht, dass jede Einzelheit ihrer Antworten gleich ist.

Die beiden angegebenen Profilnamen lauten global.xai.grok-4.7 und us.xai.grok-4.7. Zum geografischen US-Profil erklärt AWS, dass die Verarbeitung innerhalb der US-Geografie bleibt. Diese Aussage bezieht sich auf dieses Profil. Wenn der Ort der Verarbeitung für eine Anfrage relevant ist, ist daher der vollständige Profilname eine entscheidende Angabe. AWS führt zudem drei Service-Stufen auf: Standard, Priority und Flex. Die Aufzählung benennt die Stufen; sie beschreibt damit allein noch nicht das konkrete Verhalten einer einzelnen Anfrage in einer dieser Stufen.

Authentifizierung und Reasoning-Inhalte

Für OpenAI-kompatible Aufrufe kann nach dem AWS-Beitrag ein Bedrock-API-Schlüssel als Bearer-Token dienen. Bei Converse-Aufrufen über boto3 wird dagegen SigV4 mit AWS-Zugangsdaten verwendet. Die beiden Angaben gehören zu unterschiedlichen Aufrufwegen. Für die Einrichtung eines Clients lässt sich daraus ableiten, dass die Authentifizierung dem gewählten Weg zugeordnet werden muss. Die Beschreibung des einen Wegs sollte nicht ohne Weiteres auf den anderen übertragen werden.

Ein weiterer ausdrücklich genannter Unterschied betrifft die Antwort. Die Responses API kann laut AWS auf Anfrage verschlüsselte Reasoning-Inhalte zurückgeben. Die Chat Completions API gibt nach dem Beitrag keine Reasoning-Token zurück. Wer verschlüsselte Reasoning-Inhalte benötigt, sollte diese Angabe daher der Responses API zuordnen und nicht denselben Ausgabetyp für Chat Completions voraussetzen. Beide Schnittstellen stehen auf der Liste der unterstützten APIs, doch diese Einzelheiten ihrer Ausgaben werden getrennt beschrieben.

Für die erste Einordnung einer Integration helfen vier Fragen: Soll die Eingabe Text oder ein Bild enthalten? Welche der genannten Schnittstellen wird verwendet? Welcher Inferenzprofilname wird gewählt? Und soll die Stufe für den Reasoning-Aufwand ausdrücklich gesetzt werden? Der Beitrag im AWS Machine Learning Blog liefert die genannten Angaben dazu. Er meldet die Verfügbarkeit auf Bedrock und beschreibt diese Einstellungen; das Ergebnis eines konkreten Einsatzes lässt sich aus diesen Fakten allein nicht vorhersagen.