AWS 博客在 Bedrock 上构建 Grok 4.7 工具调用 Agent 并评测推理档位

AWS Machine Learning Blog 发布教程，在 Amazon Bedrock 上用 Grok 4.7 构建工具调用 Agent，在三个需要搜索、组合优化或约束求解的任务上比较四档 reasoning effort 档位的正确率与 token 成本。 共 72 次运行（每任务每档位 6 次），Agent 答对 67 次，其中 xhigh 档位 18/18 全对。博客称该规模足以显示三任务上的一致方向，但不足以给出置信区间。 评测在合成环境中进行：工具读取代码生成的数据，因此每个任务可证明有唯一答案并自动判分。实验限于一个模型版本、一个 Region、每任务一个提示词。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。