智客 ZICQ
EN 登录 / 注册
智客前沿 大模型 #AWS #Amazon Bedrock #AI智能体 #多模态AI #AI安全

AWS发布八月重大更新:扩展Amazon Bedrock功能与AI智能体应用

Mr.Xu 的头像

文 / Mr.Xu 智客前沿编译 · 审校

发布时间: · 11 次阅读

中文阅读 (Chinese) English Version
共读互动 选中正文任意句子即可高亮划线、写下你的技术批注,或一键生成金句引用卡。 直达讨论区 ↓

摘要:AWS在2026年8月对Amazon Bedrock、AgentCore和Strands Robots进行了多项重要更新,包括支持OpenAI模型的长上下文窗口、跨区域推理、AgentCore的专用计算支持以及Strands Robots的物理部署功能。这些更新旨在提升AI系统在企业级应用中的可靠性和效率,同时为开发者提供更强大的工具支持,推动AI在复杂场景中的应用落地。


AWS八月重大更新:扩展Amazon Bedrock功能与AI智能体应用

1. Amazon Bedrock的增强功能

  • 长上下文窗口支持:OpenAI的GPT-5.6 Sol、Terra和Luna模型现在支持百万级token上下文窗口,并引入了提示缓存功能。这不仅提高了处理效率,还降低了成本和延迟。

  • 跨区域推理:用户可以访问来自25个以上AWS区域的GPT-5.6模型。全球配置文件提供更广泛的容量和更低的每token价格,而地理配置文件则确保推理处理在定义的地理区域内进行。

  • 成本控制与优化:引入了IAM主体成本分配功能,帮助用户将推理成本分配给特定用户、团队或项目。AWS成本异常检测功能现在可以监控Amazon Bedrock上的第三方基础模型支出,并在成本意外变化时提供根本原因分析。

  • Web搜索与内容检索:模型可以直接从公共网站检索内容,并将其整合到回答中,无需集成单独的搜索提供商。这对于需要最新信息的应用场景(如实时定价或新发布的文档)非常有用。

2. AgentCore的专用计算支持

  • 长时运行能力:AgentCore运行时实例允许用户在专用的Amazon EC2计算资源(包括GPU加速、内存优化和计算优化实例)上运行智能体,会话最长可达14天。

  • 地理扩展:AgentCore现已扩展到美国西部(加利福尼亚北部)和亚太地区(海得拉巴),使用户能够将智能体部署在更靠近用户和系统的位置。

  • 行为与支出控制:时间策略功能允许用户根据智能体已经完成的行为来评估每个动作,从而实施序列、依赖关系、批准门、匹配值和数据新鲜度控制。速率限制功能则控制用户或组的请求、推理token和并发连接。

  • 内存与访问控制:AgentCore内存可以从活动日志、行为事件、系统事件和其他结构化JSON数据中提取长期记忆,并通过细粒度访问控制将其隔离。

3. Strands Robots的物理部署

  • 从模拟到物理部署:Strands Robots连接了Strands Agents、LeRobot和Hugging Face存储桶,使用户能够记录演示、传输LeRobot格式的数据集、训练策略并将其部署到模拟或物理硬件上,而无需转换底层数据。

  • 多机器人协调:Strands Robots支持基于网格的发现和协调功能,Zenoh连接同一本地网络上的机器人,而AWS IoT Core支持地理分布的机器人车队。这使得在模拟中原型化多机器人工作流、在本地和云连接的车队之间移动它们以及探索物理设备的标准化控制变得更加容易。

行业影响与开发者建议

  • AI应用场景扩展:这些更新使AI系统能够处理更复杂的任务,并在企业级应用中提供更高的可靠性和效率。开发者可以利用这些工具构建更智能、更高效的AI解决方案。

  • 多模态AI支持:通过支持跨文本、文档、图像、视频和音频的检索功能,开发者可以构建更强大的多模态AI应用。

  • AI安全与治理:AgentCore的细粒度访问控制和行为控制功能为AI系统的安全性和治理提供了重要支持,开发者应充分利用这些功能来构建可信赖的AI应用。

技术亮点

  • 长上下文窗口与提示缓存:显著提升模型处理效率,降低成本和延迟。

  • 跨区域推理:提供更广泛的容量和地理灵活性。

  • 专用计算支持:为AI智能体提供长时运行能力。

  • 多机器人协调与物理部署:简化多机器人工作流的开发和部署。

阅读预估时间

5分钟


消息来源:AWS Machine Learning Blog (2026-09-09)

—— 完 ——

主题标签: #AWS #Amazon Bedrock #AI智能体 #多模态AI #AI安全

编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。

读完这篇,你的第一判断是?
🚀 去【作品】晒出你的相关实践

社区整体评论区

正在加载实时智能评论与划词标注…