Créer des agents à long horizon avec Grok 4.7 sur Amazon Bedrock
SpaceXAI a rendu son modèle Grok 4.7 disponible sur Amazon Bedrock, la plateforme d'AWS qui propose des modèles de fondation de plusieurs fournisseurs. Selon SpaceXAI, ce modèle est entraîné pour travailler plus longtemps sur des tâches difficiles et pour vérifier son propre travail. Il repose sur un modèle de base plus grand que Grok 4.6 et sur un apprentissage par renforcement plus long, orienté vers des problèmes qui demandent de nombreuses heures. Les gains publiés sont nets sur le travail soutenu : Terminal-Bench 4.0 passe de 20,3 % à 37,6 %, EEBench (ingénierie électrique) de 53,0 % à 64,0 %, CursorBench 4.0 de 40,4 % à 46,3 %, HealthBench Professional de 48,5 % à 56,7 % et le Harvey Legal Agent Benchmark de 15,8 % à 19,6 %. Le modèle offre une fenêtre de contexte de 500 000 jetons, accepte texte et image en entrée, et produit du texte. Sur Bedrock, il gère le raisonnement paramétrable, l'appel d'outils et la sortie structurée. Pour mesurer l'effet du réglage de l'effort de raisonnement, les auteurs ont construit un agent appelant des outils et l'ont testé sur trois tâches de recherche : diagnostiquer une panne touchant deux services à partir des alertes, planifier une maintenance sous contraintes croisées, et choisir un ensemble optimal de migrations sous budget. Chaque tâche a une seule bonne réponse, vérifiée par force brute. Avec six essais par niveau d'effort, soit 72 exécutions, l'agent a répondu juste 67 fois. Au niveau xhigh, il a réussi les 18 essais ; au niveau low, il en a réussi 15 sur 18 en consommant environ huit fois moins de jetons de sortie.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de AWS ML Blog. Lire l'article original →
Ce résultat chiffre un compromis que les équipes peuvent régler requête par requête. Pour les agents, qui enchaînent de nombreuses étapes et doivent vérifier ce qu'ils découvrent, il ne suffit pas de chercher une information : il faut formuler une réponse candidate, la confronter à ce qui a été appris, puis l'affiner. Un effort élevé garantit ici la fiabilité maximale, tandis qu'un effort faible réduit fortement la consommation pour une perte de précision modeste. Les auteurs choisissent de rapporter des quantités de jetons plutôt que des montants, car les tarifs évoluent alors que les volumes permettent à chacun de calculer ses propres coûts. Ils insistent aussi sur la méthode : les benchmarks publics décrivent un comportement moyen, mais seule une mesure sur des tâches proches de la charge réelle indique quel niveau d'effort retenir, et un suivi en production permet ensuite d'ajuster ce choix.
L'accès se fait par le point d'entrée bedrock-runtime, via un profil d'inférence inter-régions plutôt qu'un identifiant de modèle seul. Le profil us.xai.grok-4.7 maintient le routage dans la géographie américaine, utile en cas d'exigence de résidence des données, tandis que global.xai.grok-4.7 répartit les requêtes sur les régions commerciales d'AWS pour obtenir la plus grande capacité. Ce routage inter-régions augmente le débit sans obliger à gérer la capacité région par région. Le modèle est compatible avec les API Chat Completions et Responses d'OpenAI ainsi qu'avec l'API Converse d'Amazon Bedrock, où le raisonnement est renvoyé dans un bloc reasoningContent à côté du texte. Dans la configuration d'inférence, il faut seulement définir maxTokens et placer les paramètres propres au modèle ailleurs. Cette arrivée s'inscrit dans la stratégie d'AWS de proposer un large choix de modèles concurrents, au moment où l'industrie se concentre sur des agents capables de mener des tâches longues de façon autonome.
Pas d'impact direct sur la France/UE