AI 인프라기술 블로그
AWS, Bedrock의 Grok 4.7 에이전트 추론 수준별 평가 공개
원문 읽기 · aws.amazon.com ↗(새 탭에서 열림)AWS는 Amazon Bedrock에서 Grok 4.7을 이용해 여러 도구를 호출하는 에이전트를 만들고, 추론 수준별 결과를 비교했다. 세 가지 자체 합성 과제에서 72회 실행했으며 정답률과 출력 토큰 수를 함께 공개했다.
평가 설계와 결과
- 두 서비스 장애 진단, 제약이 얽힌 유지보수 일정, 예산 안의 마이그레이션 선택을 각각 4개 추론 수준에서 6회씩 실행했다.
- 전체 72회 중 67회가 정답이었다. xhigh 18회 전부, low 18회 중 15회가 정답이었고, xhigh 평균 출력 토큰은 low의 약 7.7배였다.
적용 범위와 한계
- AWS는 각 과제의 유일한 정답을 전수 검사하고 최종 답의 형식을 따로 평가했다고 설명했다.
- 과제는 규모를 줄인 합성 환경이다. 반복 수가 적고 실제 장기 에이전트 업무나 다른 모델로 일반화할 수 없다.
함께 확인할 조건
- 세 가지 합성 과제와 각 수준의 6회 반복만으로 실제 장시간 업무의 성능 차이를 일반화할 수 없다.
- SpaceXAI의 모델 사양·벤치마크는 공급자 발표이며 AWS 시험 역시 독립 재현 결과가 아니다.
출처와 편집 기준
aws.amazon.com · 기술 블로그 · 검수 2026.10.18 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다. 용어가 낯설다면 AI 용어 안내를 참고할 수 있다.