在 Amazon Bedrock 上用 Grok 4.7 构建长时程智能体
AWS 博客介绍 SpaceXAI 的 Grok 4.7 已在 Amazon Bedrock 上线,并演示如何用它搭建工具调用智能体。
作者用三个可穷举验证的任务实测 Grok 4.7 四档推理强度,给出准确率与 token 成本的取舍数据,方法可迁移到自建智能体评测。
AWS 博客介绍 SpaceXAI 的 Grok 4.7 已在 Amazon Bedrock 上线,并演示如何用它搭建工具调用智能体。
作者用三个可穷举验证的任务实测 Grok 4.7 四档推理强度,给出准确率与 token 成本的取舍数据,方法可迁移到自建智能体评测。
SpaceX 在第三季度财报中报告营收 146 亿美元,AI 相关业务已占其收入的 52%,超过航天主业。
包含 Cursor 编码工具、Grok 机器人和算力规模 1.7 GW 的 neocloud 业务在内的“Super Intelligence”业务线是主要增长来源,营收还因比特币价格回升带来约 10 亿美元收入。同期资本支出达 196 亿美元,用于建设第二个数据中心 Colossus II 和投入 Starship。公司当季净利润 44 亿美元,较去年同期 10 亿美元亏损转正,但前九个月仍净亏损 4.13 亿美元。马斯克预计到 2027 年底年化经常性收入将在 5000 亿至 1 万亿美元之间。
研究者提出 Taste-Bench,用“决策分叉”评测智能体在长期任务中做出高质量选择的能力。
基准包含 502 道题,素材来自 SWE-bench Pro 和 METR 的 MALT 等数千条智能体运行轨迹,做法是在分叉点冻结轨迹、隐藏后续步骤,让模型在两条路径中选更优的一条。测试 14 个模型(Claude、GPT、Grok、DeepSeek、GLM、MiniMax、Mistral 家族),每题正反顺序各问一次、两次都对才计分,纯猜为 25%;最好的 GPT-5.6 Sol 平均 59.7%,GPT-5.5 为 59.5%,其余明显更低。
SpaceX 在监管文件中披露,已与 Apollo Global Management 旗下实体达成约 400 亿美元的约束性融资承诺,用于 AI 芯片及相关数据中心设备。
按协议,Apollo 管理的实体将购买 GPU 和服务器硬件,再租给 SpaceX,租期约 5 至 5.25 年,从每批设备交付时起算。SpaceX 预计交易在年底前完成,租赁从 2027 年上半年设备到货时开始。CFO Bret Johnsen 称,这笔租赁让融资来源更多元,并提到 AI 基础设施投资回收期不到一年;Apollo 表示,这笔融资将帮助为 SpaceX 的地面算力建设提供 Nvidia 下一代 Vera Rubin 芯片。
Amazon Bedrock 9 月新增 OpenAI 的 GPT-6 Astra、Sol、Luna 系列模型,其中 GPT-6 Astra 支持最高 100 万输入 token,Ultrafast 版本推理速度最高提升 6 倍、达 300 tokens/秒。
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox,它让智能体在隔离的 MCP 工具会话中运行,再根据终端后端状态和副作用而非生成文本打分,并让每个任务重复 20 次。
微软与 Hugging Face 联合发布的智能体评测基准,用数据库终态而非模型自述来判定任务成败,并给出可复现的 OpenEnv 运行方式。