O problema: gerenciar acesso a modelos de IA em dezenas de contas AWS

Quem trabalha com organizações AWS de médio e grande porte conhece bem o atrito operacional de gerenciar assinaturas de modelos de IA de terceiros. Quando cada conta de workload precisa individualmente assinar e aceitar as Ofertas de Preços Privados do AWS Marketplace (MPPO — AWS Marketplace Private Pricing Offers), o processo vira um gargalo manual que escala mal conforme a organização cresce.

Para resolver isso, a AWS publicou um guia técnico detalhando como o Amazon Bedrock com entitlements gerenciados simplifica o acesso multi-conta a modelos de IA de terceiros. A ideia central é simples: assine uma vez a partir de uma conta central e distribua o acesso para toda a organização — sem precisar repetir o processo em cada conta.

Por que automatizar a ativação de grants?

Com as Ofertas de Preços Privados do AWS Marketplace, é possível negociar tarifas customizadas para modelos de terceiros no Amazon Bedrock. Após uma oferta privada elegível ser aceita, o AWS Marketplace cria automaticamente uma licença no AWS License Manager.

Em organizações que utilizam o AWS Organizations com todos os recursos habilitados, os grants no nível da organização são aceitos automaticamente — mas permanecem com status Desabilitado até que alguém os ative. O fluxo manual típico envolve acessar o console do AWS License Manager e ativar os grants um a um. Funciona, mas gera esforço desnecessário e é fácil de esquecer. Enquanto o grant não é ativado, o preço negociado simplesmente não é aplicado. O mesmo problema reaparece sempre que a equipe adota novos modelos ou renova contratos.

Visão geral da solução

O repositório de exemplo disponibilizado pela AWS oferece dois caminhos distintos:

• Caminho 1 — Script leve (ativação pontual): um script standalone que lista as licenças recebidas e exibe um plano em modo de simulação (dry-run). Cria e ativa grants em nível organizacional apenas quando executado com as flags --apply --confirm-account-id. Por não ter uma lista de permissão de vendedores, deve ser usado somente quando você confia em todas as licenças recebidas na conta de gerenciamento.
• Caminho 2 — Automação CDK (ativação contínua orientada a eventos): utiliza o Kit de Desenvolvimento em Nuvem da AWS (CDK — AWS Cloud Development Kit) para implantar automação contínua na conta de gerenciamento do AWS Organizations. Verifica vendedores, cria grants distribuídos e tenta a ativação com lógica de retentativa.

Caminho 1: Script leve para ativação pontual

Este caminho é indicado quando você precisa de uma ativação única sem precisar implantar infraestrutura adicional. O script lista todas as licenças recebidas na conta de gerenciamento — por isso, o modo de simulação funciona como uma etapa de revisão antes de qualquer alteração ser aplicada.

Os passos são os seguintes:

Clone o repositório de exemplo e acesse o diretório do projeto:

git clone https://github.com/aws-samples/sample-bedrock-managed-entitlements.git
cd sample-bedrock-managed-entitlements

Execute o script em modo de simulação:

python3 lightweight/distribute_licenses.py

Revise cada licença listada e confirme que o emissor do Parceiro ISV (Independent Software Vendor) e o escopo da conta correspondem à oferta privada esperada. Em seguida, aplique o plano revisado a partir da conta de gerenciamento do AWS Organizations:

python3 lightweight/distribute_licenses.py --apply --confirm-account-id ACCOUNT_ID

Após o grant estar ativo, valide o caminho de cobrança antes de usar a oferta privada em produção. Os dados de faturamento no AWS Cost Explorer podem ter atraso, então use-o para comparar a cobrança efetiva para o uso coberto do Amazon Bedrock depois que os lançamentos aparecerem. Para uma verificação repetível, adapte o utilitário scripts/bedrock_discount_check.py para corresponder ao seu emissor Parceiro ISV e confirmar o caminho de desconto esperado.

Caminho 2: Automação CDK para ativação contínua

Este caminho é recomendado quando você quer que novos acordos de preços privados sejam processados automaticamente, sem intervenção manual. A stack CDK escuta eventos elegíveis do AWS Marketplace, verifica a lista de permissão de vendedores, cria grants distribuídos e tenta a ativação com retentativas quando o License Manager precisa de mais tempo para processar.

Componentes da solução

• Regra do Amazon EventBridge: a stack escuta eventos de acordos do AWS Marketplace no barramento de eventos padrão na região us-east-1. A regra filtra pela origem aws.agreement-marketplace e pelo tipo de detalhe Purchase Agreement Created – Acceptor, acionando então a função AWS Lambda.
• Função AWS Lambda: recebe o evento de acordo do AWS Marketplace, verifica a lista de permissão de vendedores, descobre a licença, cria o grant distribuído e solicita a ativação via CreateGrantVersion(Status=ACTIVE). O resultado é registrado no Amazon CloudWatch Logs para fins de auditoria.
• Entitlements do AWS License Manager: o grant pode ser direcionado para toda a organização, para Unidades Organizacionais (OUs) específicas ou para contas individuais. O preço negociado só passa a valer depois que o grant é ativado e atinge o status ACTIVE ou WORKFLOW_COMPLETED.

Principais benefícios desta abordagem

• Menor tempo até o preço negociado entrar em vigor: a tarifa negociada é aplicada assim que o grant distribuído atinge o status ACTIVE ou WORKFLOW_COMPLETED, sem depender de uma verificação manual no console.
• Tratamento consistente entre contas: a mesma função Lambda e o mesmo padrão de regra do EventBridge podem ser implantados para cada organização que recebe grants de modelos de terceiros, eliminando variações operacionais.
• Trilha de auditoria integrada: cada tentativa de ativação ou decisão de ignorar um grant é registrada no CloudWatch Logs, fornecendo um histórico de quando cada grant foi ativado, adiado ou descartado.

Pré-requisitos

Antes de implantar este caminho, confirme os seguintes pré-requisitos:

• Utilize a conta de gerenciamento do AWS Organizations na região us-east-1 com Python 3.12+, Interface de Linha de Comando da AWS (AWS CLI — AWS Command Line Interface) e AWS CDK v2 configurados.
• Confirme que o AWS Organizations usa todos os recursos habilitados e que a oferta privada é para um modelo Bedrock com suporte ao License Manager. Produtos SaaS (Software as a Service) estão fora do escopo desta automação.

Passos de implementação

Clone o repositório de exemplo e acesse o diretório do projeto:

git clone https://github.com/aws-samples/sample-bedrock-managed-entitlements.git
cd sample-bedrock-managed-entitlements

Verifique ou habilite os pré-requisitos da organização:

python3 scripts/bootstrap_prereqs.py --check --region us-east-1

Revise os itens marcados como APPLY ou MANUAL antes de fazer alterações. O script de bootstrap pode habilitar a integração organizacional do License Manager, o acesso confiável do License Manager, o acesso confiável de gerenciamento de licenças do AWS Marketplace e as funções vinculadas ao serviço necessárias:

python3 scripts/bootstrap_prereqs.py --apply --region us-east-1 --confirm-account-id ACCOUNT_ID

Configure as entradas de implantação:

python3 scripts/setup_config.py

Revise o arquivo config/sellers.json. Configure o ID da Organização, a lista de permissão de vendedores, notificações e destinos opcionais de grants. Por padrão, os grants têm como alvo toda a organização. Use grantTargets para restringir os grants a OUs ou contas AWS específicas.

Implante a stack CDK:

cd cdk
pip install -r requirements.txt
cdk bootstrap aws://ACCOUNT_ID/us-east-1
cdk deploy

Alimente a lista de permissão de vendedores do Amazon DynamoDB a partir do arquivo config/sellers.json:

cd ..
python scripts/seed_sellers.py --config config/sellers.json

Trate a lista de permissão de vendedores como um limite de segurança. Verifique cada ID de conta de vendedor contra sua oferta privada aceita no AWS Marketplace ou contra a licença recebida no License Manager antes de alimentar a tabela. Não adicione entradas de vendedores amplas ou não verificadas, pois vendedores correspondentes podem acionar a criação e ativação de grants em todos os seus destinos de grant configurados.

Após a implantação e a alimentação dos vendedores, a stack está pronta para processar eventos elegíveis de acordos do AWS Marketplace. A criação e ativação de grants acontecem apenas para vendedores verificados na lista de permissão, e a ativação pode ser adiada até que o License Manager conclua o processamento do fluxo de trabalho do grant.

Para validar a automação implantada:

python scripts/e2e_validate.py --org-id o-xxxxxxxxxx --seller-account SELLER_ACCOUNT_ID --simulate

Para verificar a ativação do grant após um evento elegível do AWS Marketplace:

aws logs tail /aws/lambda/mppo-grants-handler --follow --region us-east-1
python scripts/bedrock_discount_check.py --issuer "ISV Partner"

A ativação e a visibilidade de faturamento podem levar horas ou dias. Após o fluxo de trabalho orientado a eventos aceitar e ativar os grants, confirme o estado do grant no AWS License Manager e valide o uso coberto do Amazon Bedrock no AWS Cost Explorer depois que os dados de faturamento aparecerem. Para uma verificação repetível, adapte o utilitário scripts/bedrock_discount_check.py para corresponder ao seu emissor Parceiro ISV e à conta vinculada de destino.

Limpeza do ambiente de testes

Se você implantou a stack para fins de teste, remova-a para evitar cobranças contínuas de Lambda e EventBridge:

cdk destroy

Caso de uso real: Heidi Health

A Heidi Health, plataforma de suporte clínico que processa milhões de consultas médicas por semana, é um exemplo concreto de uso desta solução. Segundo Marcus Lau, Head de Engenharia de Plataforma da empresa, os preços privados no AWS Marketplace oferecem uma forma eficiente e econômica de gerenciar o crescimento da plataforma: é possível atribuir granularmente o uso e os preços entre contas e unidades organizacionais AWS, e automatizar o gerenciamento de grants à medida que novos modelos são adotados. Isso permite que a equipe de plataforma escale a governança de custos sem escalar o trabalho manual.

Conclusão

A AWS apresentou duas abordagens complementares para ativar entitlements gerenciados em ofertas de preços privados do Amazon Bedrock. O script leve é indicado para ativação pontual de licenças recebidas confiáveis. A automação CDK é a escolha certa quando se precisa de processamento contínuo e orientado a eventos para novos acordos do AWS Marketplace. Ambas as abordagens reduzem o esforço manual e garantem que os preços negociados entrem em vigor assim que os grants distribuídos forem ativados.

Para começar, experimente o código de exemplo na sua conta de gerenciamento AWS para automatizar as assinaturas de modelos.

Recursos adicionais

• Código de exemplo: Amazon Bedrock com entitlements gerenciados (GitHub)
• Guia do usuário do AWS License Manager
• Referência da API do AWS License Manager: CreateGrantVersion
• Guia do usuário do Amazon EventBridge
• Guia do desenvolvedor do AWS CDK

Fonte

Manage private pricing offers for Amazon Bedrock with managed entitlements (https://aws.amazon.com/blogs/machine-learning/manage-private-pricing-offers-for-amazon-bedrock-with-managed-entitlements/)

O que foi anunciado

A AWS anunciou que o Amazon Bedrock passou a suportar o parâmetro reasoning.summary para modelos OpenAI, disponível por meio da API de Respostas (Responses API). Com essa novidade, desenvolvedores podem solicitar um resumo legível por humanos do raciocínio interno que o modelo utilizou para chegar a uma determinada resposta.

Em termos práticos, isso significa que, além da resposta em si, a aplicação pode receber uma explicação de como o modelo pensou o problema — um diferencial relevante para quem trabalha com tarefas mais complexas, como análise de dados, geração de código e resolução de problemas em múltiplas etapas.

Como funciona o recurso

Quando ativado, o resumo de raciocínio é retornado dentro do array summary, que faz parte do item de saída de raciocínio (reasoning output item) da resposta do modelo. Ou seja, o resultado da chamada à API passa a conter tanto a resposta final quanto o resumo do processo de raciocínio que levou até ela.

Esse tipo de transparência é especialmente útil em três cenários principais:

• Avaliação de respostas: entender se o modelo chegou à conclusão correta pelo caminho certo;
• Depuração de aplicações: identificar onde o raciocínio pode ter saído do esperado;
• Experiência do usuário final: mostrar ao usuário como o modelo abordou a solicitação, aumentando a confiança no resultado.

Disponibilidade

O suporte a resumos de raciocínio está disponível para todos os modelos OpenAI no Amazon Bedrock, em todas as regiões AWS onde os modelos GPT da OpenAI já estão habilitados. Isso inclui as modalidades de inferência:

• Inferência na própria região (in-Region inference);
• Inferência entre regiões geográficas — GEO (geographic cross-Region inference);
• Inferência global entre regiões (global cross-Region inference).

Saiba mais e como começar

Para quem quiser se aprofundar no funcionamento dos resumos de raciocínio, a documentação da OpenAI traz os detalhes técnicos do parâmetro: documentação da OpenAI sobre resumos de raciocínio.

Já para quem deseja começar a usar modelos GPT da OpenAI diretamente no Amazon Bedrock, a documentação oficial da AWS oferece o passo a passo necessário: acesse a documentação de introdução ao Amazon Bedrock.

Fonte

Amazon Bedrock now supports reasoning summaries for OpenAI models (https://aws.amazon.com/about-aws/whats-new/2026/10/amazon-bedrock-reasoning-summaries-openai/)

Um panorama das novidades de setembro de 2026

Setembro de 2026 foi um mês movimentado para quem constrói aplicações de IA na AWS. As atualizações se concentraram em três frentes principais: o Amazon Bedrock, o Amazon Bedrock AgentCore e o Strands. Juntos, esses serviços formam a base sobre a qual a AWS aposta para acelerar a adoção de IA empresarial — oferecendo escolha em cada camada: modelo, runtime e ferramental.

A conversa no setor está mudando. O desempenho do modelo já não é a única variável relevante. Empresas agora avaliam custo versus benefício para cada caso de uso específico, especialmente quando delegam trabalho a agentes em produção. A atenção se volta para o sistema ao redor do modelo: o contexto acessível, as ações possíveis e como os dados corporativos são governados e protegidos.

Agentes mais rápidos e avaliação que importa

Amazon Bedrock Managed Agents com suporte a modelos OpenAI

O Amazon Bedrock Managed Agents, agora em prévia pública com suporte a modelos da OpenAI, permite construir agentes prontos para produção sem abrir mão da segurança corporativa. Com isso, é possível usar modelos OpenAI mantendo os dados dentro da AWS, reutilizar permissões existentes do Gerenciamento de Identidade e Acesso (IAM) e manter rastreabilidade completa pelo AWS CloudTrail. Sessões duráveis e fluxos de aprovação humana integrados ajudam a reduzir o esforço de desenvolvimento e mitigar riscos.

Runtime do AgentCore mais eficiente

O runtime do AgentCore — componente do Amazon Bedrock AgentCore — recebeu melhorias de gerenciamento de memória e redução de latência de cold start para agentes serverless. O resultado prático: você paga pelo uso real, não pelo pico de memória. As sessões escalam para zero quando ociosas e rodam em ambientes com isolamento de hardware, com precificação por consumo e sem necessidade de pré-provisionar capacidade.

Strands Harness: menos tokens, mesma precisão

O Strands Harness é um novo harness de agente open source que, segundo a AWS, equipara-se aos harnesses mais populares em precisão, mas usando 28% menos tokens. Com uma única linha de Python ou TypeScript, é possível subir um agente pronto para produção com gerenciamento de contexto, cache de prompts e memória integrados — e fazer deploy em qualquer ambiente.

Strands Decider 2B: decisões locais em milissegundos

O Strands Decider 2B é um modelo de decisão open source com 2 bilhões de parâmetros que escolhe entre opções predefinidas em vez de gerar texto livre. Entrega respostas em aproximadamente 115ms localmente e é otimizado para tarefas agnéticas como seleção de ferramentas, roteamento e guardrails. Todo o código, dados e pesos estão disponíveis no GitHub e Hugging Face.

Escolha o modelo certo para cada carga de trabalho

Modelos OpenAI: Astra, Sol e Luna no Amazon Bedrock

Três famílias de modelos da OpenAI chegaram ao Amazon Bedrock em disponibilidade geral, cobrindo diferentes perfis de uso:

• GPT-6 Astra: modelo principal para os trabalhos mais ambiciosos, com raciocínio aprofundado para decisões complexas, análise de documentos e desenvolvimento de software. Aceita até 1 milhão de tokens de entrada.
• GPT-6 Astra Ultrafast: camada premium de velocidade para o GPT-6 Astra, com inferência até 6x mais rápida via API e até 300 tokens por segundo.
• GPT-6.1 Sol e GPT-6 Sol: inteligência próxima ao Astra para programação, uso de computador e cargas de trabalho profissionais recorrentes.
• GPT 6.1 Luna: voltado para tarefas de alto volume como extração, sumarização, classificação e roteamento — equilibrando inteligência, latência e custo.

Novos modelos Claude da Anthropic

A linha Claude também ganhou novas versões no Bedrock:

• Claude Fable 5.1: amplia as opções para programação, pesquisa científica e fluxos de trabalho empresariais.
• Claude Opus 5.5: construído para programação agêntica, trabalho de conhecimento e tarefas de longa duração. Usa raciocínio adaptativo para calibrar o esforço cognitivo necessário e um parâmetro de esforço para definir o limite máximo de profundidade de raciocínio.
• Claude Sonnet 5.5: versão mais inteligente e eficiente do Sonnet, com 30% menos custo por tarefa e 30% mais velocidade em relação ao Claude Sonnet 5.

Kimi K3 e modelos Grok da xAI

O portfólio de modelos do Bedrock também se expandiu com dois novos players:

• Kimi K3 (Moonshot AI): segundo a própria Moonshot AI, é o modelo mais capaz da empresa e o primeiro modelo aberto a alcançar 2,8 trilhões de parâmetros. Conta com janela de contexto de 1 milhão de tokens, visão nativa e cache de prompts integrado — e permite construir aplicações 2,5x mais rápido a menor custo do que versões anteriores.
• Grok 4.6 e Grok 4.7 (xAI): modelos de fronteira com janela de contexto de 500 mil tokens, suporte a esforço de raciocínio configurável e autoverificação para tarefas longas mais confiáveis.

Mais controle sobre os agentes de IA empresariais

Sincronização automática de bases de conhecimento

O Amazon Bedrock Managed Knowledge Base ganhou agendamento de sincronização automática, com opções de atualização diária, semanal e mensal para todos os conectores nativos de fontes de dados. Isso garante que os agentes de IA empresariais sempre acessem as informações mais recentes. Além disso, a configuração gerenciada pelo usuário para SharePoint, OneDrive e Confluence reduz a dependência de contas de serviço administradas por equipes de TI quando o próprio usuário já possui o acesso necessário.

Novos conectores nativos para fontes empresariais

O Amazon Bedrock Managed Knowledge Base agora suporta ServiceNow, Confluence Data Center, Salesforce e Zendesk como conectores nativos. Eles cuidam automaticamente do rastreamento de dados, extração de metadados e sincronização incremental — reduzindo a quantidade de código personalizado de ingestão que as equipes precisam construir e manter para conteúdo de suporte, documentação interna e conhecimento operacional.

Por onde começar

Para quem quer explorar essas novidades na prática, a AWS indica três caminhos: explorar o Amazon Bedrock, fazer deploy de agentes com o AgentCore CLI ou construir o primeiro agente com o Strands Harness SDK.

Fonte

ICYMI: What landed for AI builders in September 2026 (https://aws.amazon.com/blogs/machine-learning/icymi-what-landed-for-ai-builders-in-september-2026/)

Novos modelos Anthropic disponíveis no Kiro para regiões GovCloud

A AWS anunciou a disponibilidade de dois novos modelos da Anthropic — o Claude Sonnet 5.5 e o Claude Opus 5.5 — dentro do Kiro IDE e CLI nas regiões AWS GovCloud (US). A novidade é relevante especialmente para equipes que operam em ambientes regulados e precisam de modelos de linguagem de alta performance sem abrir mão dos requisitos de conformidade dessas regiões.

Claude Opus 5.5: mais eficiente em tarefas agênticas de longa duração

O Claude Opus 5.5 é o modelo mais capaz da linha Opus até o momento e representa uma evolução direta em relação ao Opus 5, com foco especial em tarefas de codificação agêntica de longa execução — aquelas em que o modelo precisa encadear múltiplas ações de forma autônoma para concluir objetivos complexos.

Entre os destaques do Opus 5.5, a Anthropic aponta:

• Raciocínio adaptativo por requisição — o modelo decide dinamicamente quanto esforço cada tarefa exige
• Aproximadamente 40% menos chamadas de ferramentas em comparação ao Opus 5 nos benchmarks internos do Kiro
• Cerca de metade dos tokens consumidos pelo Opus 5 nas mesmas condições
• Janela de contexto de 1 milhão de tokens
• Multiplicador de crédito de 2.0x (reduzido em relação ao 2.2x do Opus 5)

Claude Sonnet 5.5: velocidade e custo-benefício para o dia a dia

Já o Claude Sonnet 5.5 é o modelo mais rápido da linha Sonnet até hoje e funciona como uma atualização natural para equipes que já constroem sobre o Sonnet 5. O foco aqui é oferecer um equilíbrio entre capacidade e throughput — ou seja, mais tarefas concluídas por unidade de tempo e custo.

Os principais pontos do Sonnet 5.5:

• Geração de texto mais de 30% mais rápida que o Sonnet 5
• Performance em codificação e trabalho de conhecimento do mundo real que se aproxima do Opus 5.5
• Escrita mais clara, tornando-o um colaborador mais eficaz para desenvolvedores
• Janela de contexto de 1 milhão de tokens
• Multiplicador de crédito de 1.3x

Como acessar os novos modelos no Kiro

Para utilizar o Claude Sonnet 5.5 ou o Claude Opus 5.5 no Kiro, basta garantir que o IDE ou CLI esteja atualizado para a versão mais recente e, em seguida, reiniciá-lo. Os novos modelos estarão disponíveis diretamente no seletor de modelos da interface.

Para mais detalhes técnicos, a AWS disponibiliza a documentação do GovCloud e o guia de monitoramento e rastreamento. Quem quiser conhecer melhor a ferramenta pode acessar a página do produto Kiro ou entrar em contato com o time de conta AWS.

Fonte

Anthropic Claude Sonnet 5.5 and Claude Opus 5.5 are now available on Kiro in AWS GovCloud (US) (https://aws.amazon.com/about-aws/whats-new/2026/06/kiro-claude-5-5-aws-govcloud-us/)

Visibilidade de custos do Bedrock com mais granularidade

A AWS anunciou uma atualização importante para quem utiliza o Amazon Bedrock: o Cost Explorer, o Budgets e os Dashboards de gerenciamento de custos agora oferecem suporte a atributos de produto do Bedrock — uma nova dimensão de análise que permite detalhar os gastos com IA generativa de forma muito mais precisa.

Até então, entender exatamente o que estava gerando custos dentro do Bedrock exigia cruzar informações de diferentes fontes. Com essa atualização, as equipes de finanças e plataforma passam a ter uma visão direta e centralizada nas ferramentas de billing que já utilizam no dia a dia.

O que são os atributos de produto do Bedrock

A nova dimensão de atributos de produto permite segmentar os custos do Bedrock por quatro categorias principais:

• Modelo (model): qual modelo específico foi utilizado, como Claude Sonnet 5 ou Claude Haiku 4.5.
• Provedor do modelo (model provider): a empresa por trás do modelo, como Anthropic ou Cohere.
• Tipo de inferência (inference type): se o custo veio de tokens de entrada ou de tokens de saída.
• Funcionalidade (feature): qual recurso foi acionado, como inferência sob demanda (on-demand inference) ou reranker.

No Cost Explorer e nos Dashboards, é possível agrupar e filtrar os custos por esses atributos. No Budgets, é possível aplicar os mesmos filtros para criar alertas orçamentários mais direcionados.

Combinando atributos com tags e perfis de inferência

A AWS também destaca que os atributos de produto podem ser combinados com outros recursos de rastreamento de custos já existentes. Por exemplo:

• É possível combinar os atributos com tags de alocação de custos em perfis de inferência de aplicação, projetos ou workspaces — para identificar quais aplicações estão gerando gasto em cada modelo.
• Também é possível combinar com tags de principal do IAM (Gerenciamento de Identidade e Acesso — IAM) para rastrear quais usuários ou funções estão consumindo mais recursos do Bedrock.

Casos de uso práticos

A atualização abre possibilidades concretas para o gerenciamento financeiro de workloads de IA. Alguns exemplos mencionados pela AWS:

• Agrupar um mês inteiro de gastos com Bedrock por modelo no Cost Explorer para identificar os modelos mais caros.
• Criar um widget de dashboard que acompanhe o custo por provedor ao longo do tempo.
• Configurar um orçamento com alerta de gasto para um único modelo específico.

Disponibilidade e custo

A dimensão de atributos de produto do Amazon Bedrock já está disponível sem custo adicional em todas as regiões AWS. As exceções são as regiões AWS GovCloud (EUA) e as regiões China (Pequim) e China (Ningxia), que não recebem o recurso neste momento.

Para saber mais, a AWS disponibiliza os guias de usuário do Cost Explorer, do Budgets e dos Dashboards com detalhes sobre como utilizar os novos atributos.

Fonte

AWS Cost Explorer, Budgets, and Dashboards now support Amazon Bedrock product attributes (https://aws.amazon.com/about-aws/whats-new/2026/10/aws-bedrock-attributes-in-cost-explorer/)

O que foi anunciado

A AWS anunciou a disponibilidade do modo Ultrafast para o modelo GPT-6.1 Sol, da OpenAI, dentro do Amazon Bedrock. A novidade foi publicada em 8 de outubro de 2026 e chega para atender workloads (cargas de trabalho) onde a velocidade de resposta é o fator mais crítico.

O que é o modo Ultrafast

O modo Ultrafast entrega inferência mais rápida por meio do mecanismo de inferência do Amazon Bedrock. A proposta é simples: quando a sua aplicação não pode esperar, esse modo prioriza a velocidade sem abrir mão da qualidade da resposta, mantendo os padrões de desempenho, segurança e confiabilidade que a AWS exige para workloads em produção.

Para quais casos de uso faz sentido

A AWS indica o GPT-6.1 Sol no modo Ultrafast especialmente para aplicações sensíveis à latência, como:

• Assistentes de codificação em tempo real — onde o desenvolvedor precisa de sugestões instantâneas enquanto escreve;
• Agentes interativos — sistemas que precisam reagir rapidamente às ações do usuário;
• Experiências voltadas ao cliente final — interfaces que exigem respostas rápidas e de alta qualidade para não prejudicar a experiência do usuário.

Capacidades do GPT-6.1 Sol

Além da velocidade, o GPT-6.1 Sol foi desenvolvido para ajudar times de desenvolvimento a construir funcionalidades, depurar problemas, investigar bases de código complexas e executar fluxos de trabalho com múltiplas etapas. É um modelo com foco claro em produtividade de engenharia de software.

Segurança e governança no Amazon Bedrock

Um ponto importante para equipes que operam em ambientes regulados ou com requisitos de conformidade: os controles já estabelecidos da AWS continuam disponíveis. Isso inclui mecanismos para proteger workloads, governar o acesso aos modelos e auditar a atividade de invocação — tudo dentro da infraestrutura do Amazon Bedrock.

Como começar a usar

Para experimentar o GPT-6.1 Sol com modo Ultrafast, a AWS disponibiliza duas formas de acesso:

• Diretamente pelo console do Amazon Bedrock;
• De forma programática, por meio das APIs suportadas pelo Amazon Bedrock.

Para detalhes sobre regiões da AWS suportadas, endpoints, Interfaces de Programação de Aplicações (APIs), funcionalidades, perfis de inferência e preços, a AWS recomenda consultar a documentação oficial do Amazon Bedrock.

Fonte

OpenAI GPT-6.1 Sol now supports Ultrafast mode on Amazon Bedrock (https://aws.amazon.com/about-aws/whats-new/2026/10/openai-gpt-sol-ultrafast-amazon/)