Grok 4.7, 아마존 베드록서 장기 에이전트 작업 테스트

xAI의 Grok 4.7 모델이 아마존 베드록에서 제공되기 시작했다. xAI는 이 모델이 어려운 작업에 더 오래 작업하고 스스로 결과를 검증하도록 훈련됐다고 설명한다. AWS는 두 서비스 장애 진단, 제약이 얽힌 유지보수 일정 수립, 예산 제약 하 마이그레이션 선택 등 검색이 필요한 세 과제로 도구 호출 에이전트를 만들어 추론 강도(reasoning effort) 설정별 성능을 측정했다. 네 단계 추론 강도에서 각 과제를 6회씩, 총 72회 실행한 결과 67회가 정답을 맞혔으며, 최고 단계(xhigh)는 18회 모두 정답, 최저 단계(low)는 18회 중 15회 정답에 그쳤지만 출력 토큰 사용량은 약 8분의 1에 불과했다.

이 일이 어디서 왔나

AI 에이전트가 장시간 작업을 자율적으로 수행하는 사례가 늘면서, 같은 날 보도된 다른 기사들도 에이전트의 신뢰성과 통제 문제를 다루고 있다. 메타는 오류 뒷수습에 인력을 쏟느라 에이전트 확대 계획을 축소했고, 아멕스는 에이전트의 무단 구매를 막는 장치를 도입했으며, 시스코는 네트워크 차원의 통제 필요성을 강조했다. 이번 AWS 테스트는 그런 우려의 반대편, 즉 에이전트 성능을 수치로 검증하려는 시도라는 점에서 같은 흐름 안에 있다.