Category: Artificial Intelligence

Mantle 是 Amazon Bedrock 的新一代推理引擎，OpenAI 的 GPT-5.6（Sol / Terra / Luna）等模型由它提供服务，通过 OpenAI 兼容的 bedrock-mantle 端点对外暴露。它与承载 Claude 的经典 bedrock-runtime 端点在协议上并不一致：前者用 Chat Completions / Responses，后者用 Converse / InvokeModel。本文用一台 EC2 上的 LiteLLM 网关（测试形态，生产化建议见文中）把两个端点收敛到同一个入口，实测供出 9 个模型（GPT-5.6 三变体、GPT-5.5、GPT-5.4、gpt-oss 两款、Claude 两款），客户端只认一个地址、一个 key，网关侧完全用 EC2 实例角色做 SigV4 认证，不落盘任何 API key。文中还给出一个 92 行的 pre-call 钩子，解决 Codex 客户端与 Mantle 的请求体不兼容问题，让 Codex 和 opencode 共用同一套网关。

AWS Heroes Summit、Amazon Bedrock 上的 Web 搜索、Dogwood、Kiro Crew 等

今天，我很高兴地宣布推出运行时实例，这是 Amazon Bedrock AgentCore 运行时中的一个新的补充计算选项，可为您的代理提供专为复杂代理工作负载构建的持久托管基础设施。

今天，我们宣布在 Amazon DynamoDB 中正式发布向量搜索功能。现在，您可以将向量嵌入与操作数据一起存储在 DynamoDB 中，并直接对这些数据运行相似性搜索，无需将其复制到单独的向量存储中。

Bedrock 中的 GPT 模型降价、CloudWatch 托管的 Prometheus 指标收集器等

本文将系统介绍 Text-only LLM SFT 训练数据预处理的完整流程，涵盖从数据收集到最终打包的每一个环节，并结合真实客户案例给出实操建议。这里需要说明的是，本文聚焦于纯文本场景，且不涉及代码生成和 SQL 相关的场景。从 2025 年的行业趋势来看，代码和 SQL 相关场景基本上都是基于开源模型权重或闭源模型来构建实现的，需要针对代码和SQL相关场景做post training 的客户相对要少很多。此外，SFT 和 RFT（Reinforcement Fine-Tuning）的训练数据预处理存在差异，本文只讨论 SFT 的部分。虽然 SFT 本身又分为全参数 SFT 和 PEFT（主要是 LoRA 及其变体），但数据集的预处理流程对两者是一致的。

本文介绍如何通过 CloudWatch Logs V2 delivery，将 Amazon Quick 支持的日志直接持续投递到指定的 Amazon S3 Bucket。CloudWatch Logs 在此架构中仅作为日志投递的控制面。日志会直接写入 S3，无需创建 CloudWatch Log Group，也无需配置 Log Group Export。

随着人工智能越来越深入地集成到企业工作流程中，企业对标准化、安全且可扩展的 AI 工具平台的需求日益增长。由 Anthropic 开发的模型上下文协议 (MCP) 为连接 AI 助手与外部工具和数据源提供了通用标准。当与 Amazon Bedrock 的 AgentCore 功能相结合时，组织可以构建兼具高性能与生产可用性的 AI 生态系统。

本文展示如何结合 Amazon Bedrock Claude 和开源设备自动化框架，构建一个 Agentic 自动化测试系统，大幅缩短游戏版本发布前的黑盒测试时间，加快迭代周期，提升上市速度。

本文面向正在评估 Amazon Bedrock 多模态模型的 AI 工程师 / 解决方案架构师，以及探索 AI 驱动游戏 QA 自动化的游戏开发团队。我们提供的对比测试方法论和工具，也是改进 AI 基础设施能力的重要一步——通过系统化模型评估积累量化基准数据，为更多业务场景落地 AI 提供可靠依据。