AWS 9 月 AI 更新汇总：Bedrock 上线 GPT-6 Astra、Claude Opus 5.5、Kimi K3、Grok 4.7，AgentCore 运行时降低冷启动延迟
来源AWS Machine Learning查看原文
速览
- Bedrock 一次性引入 OpenAI、Anthropic、Moonshot AI、xAI 多家前沿模型，模型选择进一步多元化
- OpenAI 模型首次以 Bedrock Managed Agents 形式在 AWS 内运行，兼顾模型能力与企业安全合规
- AgentCore runtime 转向按实际用量计费、空闲缩容至零，降低 Agent 运行的基础设施成本
- Strands harness 以 28% 的 token 节省作为差异化卖点，直指 Agent 推理成本问题
- Strands Decider 2B 把工具选择、路由、护栏等决策任务交给本地小模型，约 115ms 延迟
- 知识库连接器覆盖 ServiceNow、Salesforce、Zendesk 等企业系统，减少自建数据摄取管道的工作量
- AWS 的叙事从「模型性能」转向「模型周围的系统」：上下文、动作与企业数据治理
AWS 发布 2026 年 9 月 Amazon Bedrock、Amazon Bedrock AgentCore 与 Strands 的更新汇总。模型层面，Bedrock 新增 OpenAI 的 GPT-6 Astra、GPT-6 Astra Ultrafast、GPT-6.1 Sol、GPT-6 Sol、GPT-6.1 Luna，Anthropic 的 Claude Fable 5.1、Claude Opus 5.5、Claude Sonnet 5.5，Moonshot AI 的 Kimi K3，以及 xAI 的 Grok 4.6 和 Grok 4.7。Agent 基础设施层面，由 OpenAI 驱动的 Amazon Bedrock Managed Agents 进入公开预览；AgentCore runtime 优化内存管理、降低无服务器 Agent 的冷启动延迟，按实际用量计费、空闲时缩容至零；Strands harness 在准确率持平主流 harness 的前提下减少 28% token 消耗；Strands Decider 2B 是一个 2B 参数的开源决策模型，本地约 115ms 返回结果。知识库层面，Bedrock Managed Knowledge Base 支持自动同步调度，并新增 ServiceNow、Confluence Data Center、Salesforce、Zendesk 原生连接器。
关键事实
- Amazon Bedrock Managed Agents（由 OpenAI 驱动）进入公开预览，数据保留在 AWS 内，可复用 IAM 权限，并通过 AWS CloudTrail 保持完整审计能力
- GPT-6 Astra 支持最高 100 万输入 token；GPT-6 Astra Ultrafast 提供最高 6 倍推理加速，最高 300 tokens/秒
- Claude Sonnet 5.5 相比 Claude Sonnet 5，每任务成本降低 30%、速度提升 30%
- Kimi K3 据 Moonshot AI 称是其最强模型，也是首个达到 2.8 万亿参数的开源模型，具备 100 万 token 上下文窗口、原生视觉与内置 prompt caching，构建应用速度比前代快 2.5 倍
- Grok 4.6 与 Grok 4.7 提供 500K token 上下文窗口，支持可配置推理强度与自我验证
- Strands harness 在准确率匹配主流 harness 的同时减少 28% token 使用，可用一行 Python 或 TypeScript 启动生产级 Agent
本站视角
对国内做 Agent 的团队和用 API 的中小企业来说，这份清单的价值不在「AWS 又接了几个模型」，而在于它把 Agent 的成本结构摆上了台面。Strands harness 宣称准确率持平主流 harness 却少用 28% token，Strands Decider 2B 用 2B 参数在本地约 115ms 完成工具选择与路由，AgentCore runtime 改为按实际用量计费、空闲缩容至零——这三项指向同一个判断：Agent 的竞争正在从「模型多聪明」转向「每任务花多少钱、延迟多低」。我们认为这是实质性的方向变化，而不是营销包装，因为 token 消耗和冷启动延迟是 Agent 规模化落地最直接的瓶颈。受影响的首先是自建 Agent 框架、自己维护上下文管理与工具路由的团队，他们需要重新评估是否值得继续自研这部分；其次是把 Agent 部署到生产环境、对审计与数据驻留有要求的企业，OpenAI 模型可在 AWS 内调用并复用 IAM 与 CloudTrail，可能减少多云合规的摩擦。需要指出的是，原文的多项性能数字来自 AWS 与模型厂商自述，例如 Kimi K3 的 2.8 万亿参数与 2.5 倍构建速度均标注为「据 Moonshot AI」，Strands harness 的 28% token 节省也未给出第三方基准，这些结论在独立评测出现前应谨慎对待。此外，Managed Agents 仍处公开预览，生产可用性需要观察。
背景与影响
这轮更新延续了 AWS 在生成式 AI 上的分层策略：Bedrock 负责模型接入，AgentCore 负责 Agent 的运行与治理基础设施，Strands 提供开源 Agent 工具链。原文明确提到，随着模型能力提升与选择增多，行业讨论的重心已从单纯的模型性能转向成本与收益的权衡，以及 Agent 在生产环境中所需的上下文、动作与数据治理能力。这意味着 AWS 正把竞争焦点从「能接入多少模型」推向「Agent 跑得是否便宜、可控、可审计」。对使用 Bedrock 的企业而言，OpenAI 模型可在 AWS 内调用、复用 IAM 与 CloudTrail，可能降低同时使用多家模型时的合规与运维摩擦；对自建 Agent 框架的团队而言，Strands harness 的 token 节省与 Decider 2B 的本地决策模型，提供了降低推理成本的具体路径。需要观察的是，这些能力多数仍处于预览或刚上线阶段，实际生产表现与企业采用速度尚待验证。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
