Grok 4.7 появился в Amazon Bedrock: агентам дали выбор между точностью и расходами
Grok 4.7 теперь можно вызывать через Amazon Bedrock. Но важнее не сама ещё одна точка доступа к модели, а настройка, которую AWS предлагает использовать для агентных задач: перед ответом можно выбрать, сколько вычислительного «размышления» модель потратит на проверку решения.
В анонсе Grok 4.7 xAI делает ставку на программирование и работу со знаниями. AWS в своём разборе интеграции проверил модель не на одиночных вопросах, а на сценариях, где агенту приходится искать ответ в несколько шагов: разбирать аварию двух сервисов, составлять график обслуживания с пересекающимися ограничениями и выбирать миграции в рамках бюджета.
Точность можно покупать токенами
AWS запускал каждый сценарий на всех уровнях reasoning effort шесть раз — всего получилось 72 запуска. Правильными оказались 67. На максимальном уровне xhigh агент решил все 18 из 18 задач, а на low — 15 из 18, использовав примерно одну восьмую выходных токенов по сравнению с максимальным режимом.
График: AWS.
Это не универсальный бенчмарк и не обещание такой же точности в чужом продукте: задачи были специально построены с одним проверяемым ответом. Но практический вывод полезен. Агенту, который сортирует письма или готовит черновик, не обязательно включать самый дорогой режим. А вот для изменения инфраструктуры, юридического документа или финансового плана экономия на проверке может оказаться ложной.
Что именно получает разработчик
В Bedrock модель доступна через профили us.xai.grok-4.7 и global.xai.grok-4.7; первый оставляет маршрутизацию в географии США, второй рассчитан на коммерческие регионы AWS. Поддерживаются вызовы инструментов, структурированный вывод и OpenAI-совместимые Chat Completions и Responses API, а также собственный Converse API Bedrock.
AWS указывает контекстное окно в 500 тысяч токенов, но доступ не включается сам собой: нужны аккаунт AWS, разрешённый доступ к модели и IAM-права bedrock:InvokeModel и на inference profile, и на default project. Поэтому перенос агента в Bedrock — это не просто замена имени модели в коде.
Главная проверка после запуска должна быть не «какой режим красивее в демо», а цена ошибки конкретного шага. Настраиваемое рассуждение превращает это в инженерный параметр — и требует измерений на собственных задачах, а не веры в чужую таблицу.
