Amazon Bedrock 9 月新增 GPT-6 Astra、Claude Opus 5.5 等模型

背景

Amazon Bedrock 是 AWS（Amazon Web Services，Amazon 的雲端服務）提供的平台，讓企業呼叫多家廠商的模型來開發 AI 應用。Amazon Bedrock AgentCore 是託管的基礎設施，用來建置、連接與部署企業 AI 代理（agent，能自行規劃並執行多步驟任務的 AI 程式），可搭配任何框架或模型。Strands 則是開源的代理開發工具組。AWS 在文中表示，客戶除了模型效能，也開始衡量特定用途的成本效益，關注點延伸到代理能存取的脈絡、能採取的行動，以及企業資料的治理與保護，9 月的更新就是圍繞這些面向。 AWS ML Blog

發生什麼事

AWS ML Blog 在 10 月 9 日發布回顧文，整理 2026 年 9 月的更新。模型方面，OpenAI 的 Astra、Sol、Luna 系列在 Amazon Bedrock 進入正式版（generally available，已脫離預覽、正式提供），另外新增 Claude Fable 5.1、Claude Opus 5.5、Claude Sonnet 5.5、Moonshot AI 的 Kimi K3，以及 xAI 的 Grok 4.6 與 Grok 4.7。 AWS ML Blog

工具方面，由 OpenAI 驅動的 Amazon Bedrock Managed Agents 開放公開預覽，可在資料留在 AWS 內的情況下使用 OpenAI 模型，沿用既有 IAM（身分與存取管理，控制誰能使用哪些資源的權限設定），並透過 AWS CloudTrail（記錄帳號內操作的稽核日誌服務）保留完整稽核紀錄，另有持久工作階段（durable sessions，能保存任務狀態、不因中斷而遺失進度的工作階段）與內建人工核准流程。新版 AgentCore runtime 改善記憶體管理，降低無伺服器（serverless，不必自行管理伺服器、依用量計費的執行方式）代理的冷啟動（cold start，閒置後第一次啟動所需的等待）延遲，依實際用量而非記憶體峰值計費，閒置時工作階段縮減到零，並在硬體隔離環境中執行。 AWS ML Blog

重點內容

GPT-6 Astra 是 OpenAI 的旗艦模型，最多可輸入 1 million 個 token（模型計算文字的基本單位），用於複雜決策、文件分析與軟體開發。GPT-6 Astra Ultrafast 是加價的速度方案，在 API（應用程式介面，程式之間互相呼叫的管道）中推論最高快 6x，最高每秒 300 個 token。GPT-6.1 Sol 與 GPT-6 Sol 針對程式開發、電腦操作與經常執行的專業工作，原文形容其智慧接近 Astra。GPT 6.1 Luna 則用於擷取、摘要、分類與路由（routing，把請求分派給合適的處理流程或模型）等大量任務。 AWS ML Blog

Claude Opus 5.5 主打代理式程式開發、知識工作與長時間任務，使用 adaptive thinking（自適應思考，由模型判斷任務需要多少推理），並可用 effort 參數設定推理深度上限。Claude Sonnet 5.5 與 Claude Sonnet 5 相比，每項任務成本低 30%、速度快 30%。依 Moonshot AI 的說法，Kimi K3 是該公司能力最高的模型，也是第一個達到 2.8 trillion 參數的開放模型；它有 1-million-token 的脈絡視窗（context window，模型一次能讀入的內容長度）、原生視覺能力與內建提示快取（prompt caching，暫存重複使用的提示內容以減少重算），原文稱建置應用比前代版本快 2.5x 且成本較低。Grok 4.6 與 Grok 4.7 提供 500K token 脈絡視窗，支援可調整的推理強度與自我驗證。 AWS ML Blog

Strands harness 是新的開源代理 harness（包住模型、負責工具呼叫與流程控制的執行框架），原文稱準確度與常見 harness 相當，token 用量少 28%，用一行 Python 或 TypeScript（兩種程式語言）即可啟動。Strands Decider 2B 是 2B 參數的開源決策模型，從預先定義的選項中挑選而非生成文字，在本機約 ~115ms 給出答案，適用工具選擇、路由與防護規則（guardrails，限制代理行為的安全檢查）；程式碼、資料與權重放在 GitHub 與 Hugging Face（程式碼與模型分享平台）。Amazon Bedrock Managed Knowledge Base 則新增自動同步排程，所有原生連接器（connector，把外部系統資料接進知識庫的元件）可設定每日、每週、每月更新，並新增 ServiceNow、Confluence Data Center、Salesforce、Zendesk 原生連接器，自動處理資料爬取、metadata（描述資料的資料，例如標題與作者）擷取與增量同步（只同步上次之後有變動的部分）。 AWS ML Blog

對使用者的意義

開發者與企業可依脈絡長度、延遲、吞吐量與成本，為不同工作挑選模型。需要使用 OpenAI 模型、但資料必須留在 AWS 內的企業，可試用 Managed Agents。使用 SharePoint、OneDrive、Confluence 的團隊，在已有存取權時可自行設定連接，不必依賴管理員管理的服務帳號。AWS 建議的入門方式是用 AgentCore CLI（命令列介面，用打字下指令操作的方式）部署代理，或用 Strands Harness SDK（軟體開發套件，開發用的程式庫與工具）建立第一個代理。 AWS ML Blog

限制與未定事項

Amazon Bedrock Managed Agents 目前為公開預覽階段。Kimi K3 的參數規模與能力描述，原文註明出自 Moonshot AI 的說法；Strands harness 的 token 用量數字則是 AWS 自己的說法。 AWS ML Blog