AWS 实测 Grok 4.7 做 agent:72 次跑题,xhigh 全对、low 省 7/8 token
AWS ML Blog · rss · 2026-10-13
AWS ML Blog 发布在 Amazon Bedrock 上使用 xAI Grok 4.7 构建长程 agent 的实操教程,核心是用三个有唯一正确答案的推理任务,量化 reasoning effort 各档位的准确率/token 权衡。
实测结果(72 次运行,答对 67)
- xhigh:18/18 全对
- low:15/18,输出 token 约为 xhigh 的 1/8
- 结论:effort 档位可按请求粒度调节,并给出在自有任务上测量、在生产中监控的方法
关键实践
- 任务设计:测试推理需「搜索型」而非「查询型」任务——两个静默故障服务诊断(190 种组合)、10 条约束下的维护排班(2520 种排班仅 1 个合法)、预算内最优迁移集(贪心会差 9 分)
- 接入:经跨区域 inference profile 调用,支持 OpenAI 兼容 API 和 Converse API;推理 token 计入输出并占 maxcompletiontokens,超限会返回空内容,需检查并调大(实测用 32768)
- 模型本身:500K 上下文,官方基准显示相对 Grok 4.6 最大提升在长时任务(Terminal-Bench 4.0 从 20.3% 到 37.6%)
文末强调以 token 数而非币种报告,保证结论不随价格失效。
「编程与Agent」频道最新
- AI 上下文引擎 Scuba 出隐身模式，宣布融资 3400 万美元 — Scobleizer · 2026-10-14
- Gemini 4 Argon 纯代码生成 3D 毛绒南瓜：6 万根实时可吹动的毛发 — sunjiao123sun_ · 2026-10-14
- 接上 MCP 后 Claude 自动分析产品数据:企业版退出率 6.8% 被一眼看穿 — aakashgupta · 2026-10-14
- 开源 Agent Tray:悬浮窗实时监控多个 Agent 等待状态 — Scobleizer · 2026-10-14
- Google 分享两级 Agent 记忆架构：Valkey 缓存加 AlloyDB AI 省 70% token — dl_weekly · 2026-10-14
- Agor 开放云端 Beta：可自托管的多 Agent 协作平台上线 — rohanpaul_ai · 2026-10-14