Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #198

AWS

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

65

MODELS · 1 ИСТОЧН. · The Decoder

Anthropic выпустила публичную бета‑версию Message Threads для Claude — время до первого токена сократилось примерно на 35% при очень длинных беседах

Anthropic выпустила публичную бета‑версию Message Threads для платформы Claude. Функция передаёт только новые сообщения с момента последнего обмена (вместо повторной отправки всей истории), что, по данным Anthropic, сокращает время до первого токена примерно на 35% для запросов от 500 000 до 1 000 000 токенов; расход токенов не меняется, потоки хранятся в зашифрованной памяти и истекают через пять минут, а функция доступна на Claude и через AWS, Microsoft Foundry и Google Cloud.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Circle K автоматизировала триаж инцидентов DevOps с помощью Amazon Bedrock, время триажа сократилось до менее 15 минут

Circle K создала автоматизированную агентную систему триажа на Amazon Bedrock (сначала на Bedrock Flows, затем перенесена на Bedrock AgentCore), которая собирает логи, проверяет сервисы и внутренние руктбуки и отправляет структурированные сводки в Slack; по внутренним метрикам команды среднее время триажа сократилось до менее 15 минут (на 67–75%). В реализации использовали управляемые функции Bedrock (Agents/AgentCore и Bedrock Knowledge Bases для RAG), чтобы не размещать модели и оркестрацию самостоятельно.

6.0

COMPANIES · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

Джэсси: крупные обязательные мощности AWS в основном распроданы до 2027 года

Генеральный директор Amazon Энди Джэсси заявил в видеоподкасте (по данным Reuters), что крупные зарезервированные мощности AWS в основном распроданы до 2027 года, часть 2028 года уже выделена, при этом компания оставляет резерв для on‑demand EC2 и сервиса Bedrock; речь шла о механизмах типа On‑Demand Capacity Reservations и Capacity Blocks for ML. Аналитики предупредили, что речь о заранее зарезервированных больших блоках и это не обязательно означает нехватку обычных on‑demand инстансов сегодня.

7.0

MONEY · 1 ИСТОЧН. · AWS Machine Learning

Управление расходами Amazon Bedrock от начала до конца — руководство AWS для FinOps и платформенных команд

AWS опубликовала пятиточечное руководство по управлению расходами Amazon Bedrock для FinOps и платформенных команд. В нём уделяется внимание точной атрибуции затрат через данные IAM principal в CUR 2.0, наблюдаемости запросов, применению бюджетов и блокировок, оптимизации платформенных настроек (маршрутизация моделей, кэширование, лимиты токенов) и регулярным обзорным процедурам для контроля агентных и ресурсоёмких рабочих нагрузок.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Worldwide Express автоматизирует урегулирование претензий по LTL-фрахту с помощью Amazon Bedrock

Worldwide Express (в составе ShipStation Global) создала многокомпонентную AI-систему на AWS, интегрированную с TMS SpeedShip и использующую Amazon Bedrock и EC2 для решения биллинговых исключений в LTL-фрахте. Введённая в продакшн менее чем через шесть месяцев после взаимодействия с AWS в июне 2025 года, система направляет исключения трём специализированным агентам (Invoice Matching, Pricing Variance, Accessorial Validation) и обеспечила снижение активных исключений на 75%, ускорение времени до получения денег на 4 недели, $1M годовых сбережений и одноразовый приток свободного денежного потока в $10M.

7.0

COMPANIES · 1 ИСТОЧН. · TechCrunch AI

Джесси: AWS может стать бизнесом с доходом $1 трлн; Amazon увеличит капитальные расходы на ИИ-инфраструктуру

Генеральный директор Amazon Энди Джесси заявил, что AWS может вырасти до триллионного годового дохода в течение 5–10 лет и сообщил о наращивании капитальных расходов — примерно $220 млрд cash capex в 2026 году, в основном для AWS, с существенным увеличением в 2027 году для наращивания ИИ‑ и облачных мощностей. Он отметил сильный рост выручки (около +39% в год и годовой run‑rate $184 млрд) и спрогнозировал рост AWS свыше 40% в 2027 и 2028 годах, несмотря на вопросы инвесторов о больших текущих расходах.

8.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

MoEngage использовала AgentCore Gateway от Amazon Bedrock, чтобы превратить 400 приватных API в инструменты для агентов

MoEngage преобразовала около 400 внутренних REST API в частных VPC в инструменты для агентов с помощью AgentCore Gateway (компонент Amazon Bedrock AgentCore). Решение централизовало поддержку MCP в команде AI Platform, не потребовало публичных эндпойнтов, внедряет идентичность на стороне сервера и, по оценке, сэкономило около шести месяцев работы платформенной инженерии, сократив время интеграции API с дней до часов.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

AWS Ray Train DLC (train-ml-cuda-v1.1) обеспечивает многозвённую PyTorch с EFA на EKS

AWS предлагает контейнер Ray Train DLC (public.ecr.aws/deep-learning-containers/ray:train-ml-cuda-v1.1), в котором собраны CUDA, NCCL, библиотеки EFA и Ray, что позволяет запускать многозвённую PyTorch-тренировку на EKS без сборки пользовательских образов. В примере показана донастройка Qwen2.5-1.5B с PyTorch FSDP на восьми NVIDIA L4 GPU (два инстанса g6.12xlarge) с использованием KubeRay и EFA.

6.0

MONEY · 1 ИСТОЧН. · TechCrunch AI

В проспекте S‑1 Anthropic показано, что Amazon может получить наибольшую выгоду от IPO через ноты $6,2 млрд и префы $10 млрд

В проспекте S‑1 Anthropic указано, что Amazon владеет конвертируемыми нотами на $6,2 млрд (которые по данным отчетов Amazon оценены в $97,9 млрд на 30 июня) и приобрел префы без права голоса на $10 млрд, всего примерно $18 млрд инвестиций; ноты могут конвертироваться в максимально 12% частично разводненных акций Anthropic. В документе также отмечено, что венчурные инвесторы занимают относительно небольшие доли из‑за большой частной оценки компании, а Anthropic обязался потратить минимум $110 млрд на AWS в течение следующих 10 лет; у Google также значительная доля и облачные контракты.

8.0

RESEARCH · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

Глава Momento Хаваджа Шамс с докладом «Serving LLMs at Scale: The Hidden KV Cache Advantage» на QCon AI

Хаваджа Шамс (сооснователь и CEO Momento) на QCon AI изложил подходы из области распределённых систем для эффективного масштабирования инференса LLM, сосредоточившись на использовании GPU, «провалах» памяти KV‑кэша, многоуровневом хранении, снижении хвостовой латентности и разделённых архитектурах prefill/decode. Он представил эти приёмы как способы повысить производительность, экономичность и доступность LLM‑флота в продакшне.

5.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Eon использует AgentCore Gateway от Amazon Bedrock для централизованного доступа MCP в нескольких облаках

Eon внедрила централизованный аутентифицированный шлюз на базе Amazon Bedrock AgentCore (Gateway, Runtime, Policy, Identity), заменив учётные данные для каждого инструмента и локальные процессы MCP, что обеспечивает единый доступ инженеров и автономных агентов к инструментам расследования в AWS, GCP и Azure. Это сократило ввод в работу новых инженеров с примерно двух дней до около двух минут и позволяет автономному SRE-агенту Eon (Claude на Bedrock) иметь тот же доступ с отдельными идентичностями и правами.

6.0

MODELS · 1 ИСТОЧН. · AWS Machine Learning

Движок Amazon Polly Generative получил обновление: 14 новых голосов, Hindi и финский в GA

Amazon объявила о выпуске обновлённого движка Amazon Polly Generative в продакшн: он генерирует более естественную, выразительную и точную речь с низкой задержкой. Обновление является «drop-in» (без изменений API или имён голосов), добавляет 14 голосов в 9 локалях, делает Hindi и финский общедоступными, доводит каталог до 57 голосов в 11 языках и 25 локалях и расширяет доступность в AWS GovCloud (US-West).

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

AWS описывает развертывание Amazon Quick в средах, подходящих для HIPAA

AWS опубликовала руководство, в котором указано, что Amazon Quick является сервисом, подходящим для HIPAA, и описано, как медицинские организации могут использовать его агентные чат-агенты, коннекторы и Model Context Protocol (MCP) для обработки PHI в аккаунтах AWS с действующим BAA. В публикации описаны доступные механизмы контроля (доступ с учётом ACL, логирование чатов и обратной связи, управление действиями), ограничения модели совместной ответственности AWS BAA и рекомендации по управлению и необратимым настройкам.

7.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

AWS опубликовала руководство по подключению Amazon Quick к локальным данным через PrivateLink

AWS опубликовала руководство о том, как обеспечить доступ Amazon Quick (AI-рабочая среда) к локальным данным без выхода в публичный интернет, используя VPC endpoints (AWS PrivateLink) для пользовательского/API-трафика и VPC connections, настроенные в Quick, для доступа к источникам данных. Руководство предполагает наличие AWS Direct Connect или Site-to-Site VPN и описывает, какие функции Quick используют каждый путь, а также текущие ограничения по источникам данных (например, Quick Index поддерживает Redshift; многие облачные файловые хранилища — нет).

5.0

CODING · 1 ИСТОЧН. · Hugging Face

Профилирование TorchNeuron на AWS Trainium — пошаговый системный разбор (Часть 1)

Этот учебный материал показывает, как профилировать PyTorch-нагрузки на AWS Trainium с помощью TorchNeuron (torch-neuronx). В нём объясняется настройка torch.profiler с NeuronConfig и NeuronProfiler, экспорт согласованных системных/устройственных трасс (NEFF/NTFF), просмотр выполнения в Neuron Explorer и сравнение трёх реализаций RMSNorm (на основе отдельных PyTorch-операций, объединённая torch.rms_norm и torch.compile) с воспроизводимыми примерами в каталоге examples torch-neuronx.

6.0

COMPANIES · 1 ИСТОЧН. · TechCrunch AI

Утечка S‑1: Anthropic испытывает трудности с облачными мощностями

По данным утекшего в Wall Street Journal S‑1, Anthropic испытывает сложности с получением облачных мощностей от AWS, Google и Microsoft — которые всё чаще рассматривают компанию как конкурента — и может потратить свыше $750 млрд на облачные контракты, одновременно арендуя свои дата‑центры и работая с третьими операторами. В документе (по сообщениям) также указаны крупные убытки за первую половину года, концентрация выручки у немногих клиентов, риски ответственности, превышающие страховку, а также рост квартальной выручки до $16.8 млрд и стремление к IPO в ноябре.

8.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Smartsheet выпускает MCP Server (GA) на AWS для работы AI‑агентов с таблицами

Smartsheet представила общедоступный (GA) Model Context Protocol (MCP) Server на AWS, который позволяет AI‑ассистентам читать, записывать и управлять данными Smartsheet через стандартизованный интерфейс MCP. Сервер поддерживает Streamable HTTP, спецификации MCP 2025-06-18 и 2025-03-26, три региональных эндпойнта, аутентификацию через OAuth 2.0 или персональный токен и интеграции с Amazon Quick и Kiro.

6.0

MODELS · 1 ИСТОЧН. · AWS Machine Learning

Amazon Bedrock открывает доступ к OpenAI GPT-5.6/6/6.1 в Канаде через кросс-региональный inference

Теперь клиенты AWS в Канаде могут вызывать OpenAI GPT-5.6 (Sol/Terra/Luna), GPT-6 (Astra/Sol/Luna) и GPT-6.1 (Sol) через кросс-региональный inference Amazon Bedrock из регионов ca-central-1 и ca-west-1. Вычисления направляются и обрабатываются в Северной Америке; модели поддерживают OpenAI Responses и Chat Completions API, Bedrock Converse API, контекст до 1 млн токенов, вызов инструментов и кэширование подсказок.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

AWS и Keyfactor опубликовали эталонную архитектуру X.509 PKI для AI‑агентов

AWS и Keyfactor выпустили совместную эталонную архитектуру, демонстрирующую применение Keyfactor EJBCA вместе с сервисами AWS (включая Amazon Bedrock и AWS Strands Agents SDK) для обеспечения криптографических X.509‑идентичностей AI‑агентов. Архитектура использует подписанные запросы, делегационные утверждения, audience‑ограниченные токены по RFC 8693 и мгновенную проверку отзыва через OCSP; примеры кода доступны в репозитории GitHub.

7.0

MODELS · 1 ИСТОЧН. · AWS Machine Learning

Pegasus 1.5 от TwelveLabs теперь доступна в Amazon Bedrock

TwelveLabs выпустила Pegasus 1.5 — видеоязыковую модель, превращающую длинные видео в структурированные JSON-метаданные с таймштампами — и разместила её в Amazon Bedrock. Нововведения: сегментация по всему видео, мультимодальные подсказки с образцами изображения, обработка «на лету» без предварительной индексации и расширение анализа в одном запросе до двух часов; вызовы выполняются через bedrock-runtime (InvokeModel / InvokeModelWithResponseStream) и поддерживают видео из S3 URI или base64 при сохранении данных в пределах AWS.

6.0

MODELS · 1 ИСТОЧН. · AWS Machine Learning

Deepgram портировал Nova-3 ASR на AWS Trainium2 и достиг экономии 11–70% при пакетной обработке

Deepgram совместно с AWS портировал модель Nova-3 распознавания речи на AWS Trainium2 с использованием TorchNeuron, NKILib и собственных NKI-ядр; итоговая конфигурация размещает восемь реплик модели на одном экземпляре Amazon EC2 trn2.3xlarge. Для оффлайн пакетных задач (например, аналитика контакт-центров, медицинская транскрипция) эта настройка обрабатывала на 11–70% больше аудио за доллар по сравнению с ранее используемыми вычислительными опциями (по ценам инстансов на момент оценки).

7.0

COMPANIES · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

Amazon приобретает DuckLabs и интегрирует DuckDB в Amazon Aurora PostgreSQL

Amazon (AWS) приобрела DuckLabs, команду, стоящую за аналитической СУБД DuckDB; сооснователи Ханнес Мюлейзен и Марк Раасвелдт присоединяются к AWS и продолжат руководить проектом. AWS пообещала, что DuckDB и сопутствующие компоненты останутся с лицензией MIT под надзором DuckDB Foundation, а DuckDB уже интегрирована в Amazon Aurora PostgreSQL — теперь единый запрос может объединять данные Aurora с историческими данными в Iceberg/Parquet на S3 (через AWS Glue) без отдельного ETL; функция доступна во всех коммерческих регионах и AWS GovCloud (US), оплата только за дополнительную вычислительную нагрузку Aurora и S3‑запросы.

8.0

STARTUPS · 1 ИСТОЧН. · AWS Machine Learning

Tamnoon создал Tami — агентную систему устранения уязвимостей в облаке на Amazon Bedrock

Tamnoon рассказывает, как создал Tami — AI‑ориентированного оркестратора устранения проблем в облаке на базе Amazon Bedrock и бессерверной инфраструктуры AWS; платформа собирает находки из CNAPP/CSPM, проводит расследование с проверкой через LLM, оценивает безопасность и генерирует защищённые исправления. По оценке Tamnoon, подход снизил критические облачные риски более чем на 90% за 90 дней без сбоев в продакшене и интегрируется с AWS, Azure, Google Cloud и существующими CNAPP-инструментами.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Orca Security запускает Discovery AI — поиск на естественном языке для Sonar на Amazon Bedrock

Orca Security разработала Discovery AI — многоступенчатый агент для преобразования запросов на естественном языке в корректные запросы Sonar, работающий на Amazon Bedrock. С помощью конвейера RAG и схемо-ориентированной генерации с маршрутизацией моделей через Bedrock компания сообщает об уменьшении затрат на запросы на 90%, входных токенов на 93% и задержки на 75% по сравнению с первоначальным решением.

6.0

MODELS · 1 ИСТОЧН. · AWS Machine Learning

Grok 4.7 от SpaceXAI появился в Amazon Bedrock

SpaceXAI объявила о доступности Grok 4.7 в Amazon Bedrock: модель поддерживает окно контекста до 500 тыс. токенов, вызов инструментов, настраиваемый уровень «усилий рассуждения» (low/medium/high/xhigh) и совместима с Chat Completions/Responses и API Bedrock Converse. В тестах SpaceXAI агент с вызовом инструментов решил 67 из 72 запусков (18/18 при xhigh; 15/18 при low), демонстрируя настраиваемый компромисс между точностью и расходом токенов; для запуска на Bedrock нужны кросс-региональные профильные эндпойнты и соответствующие IAM-права.

7.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

AWS запускает Ray LLM DLC для мульти‑нодовой инференции LLM на Amazon EKS

AWS опубликовала руководство и выпустила Ray LLM Deep Learning Container (DLC), который позволяет развернуть одну большую модель на нескольких GPU‑нoдах в Amazon EKS с раздельными этапами prefill и decode. Контейнер включает vLLM, Ray Serve LLM, NIXL для передачи KV‑кэша и стек EFA, предоставляет OpenAI‑совместимый endpoint и содержит вспомогательный скрипт (build_pd_openai_app) и пример в репозитории.

6.0

MONEY · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

CTO CloudZero Эрик Питерсон на QCon AI: «Счет за ИИ нельзя доверять»

На QCon AI основатель и CTO CloudZero Эрик Питерсон заявил, что расходы на ИИ начинают затмевать обычные облачные счета, описал дорогие практики вроде «tokenmaxxing» (по его оценке примерно $5–15 млрд) и объяснил, как экономика юнитов и система стимулов формируют кризис затрат в инженерии; он также предсказал, что к 2028 году автономный ИИ будет писать, разворачивать и управлять кодом.

5.0

MODELS · 1 ИСТОЧН. · The Decoder

Anthropic выпускает Claude Haiku 5.5 с крупными скидками и приростом в бенчмарках

Anthropic представила Claude Haiku 5.5 — более быстрый и дешёвый маломощный модел для массовых задач; по данным компании, модель в среднем на ~75% дешевле Haiku 4.5 и до 90% дешевле для запросов до 100 000 токенов. Также Anthropic снизила стоимость чтения кэша Sonnet 5.5 вдвое, ввела ежемесячные API‑кредитные пакеты для подписчиков, обновила SDK с бета‑поддержкой «computer use» и «browser use», и сообщает о значительном улучшении бенчмарков по сравнению с предшественником и сопоставимости с GPT‑6 Luna.

8.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Автоматическое исправление после расследований AWS DevOps Agent с помощью Lambda Durable Functions и Amazon Bedrock

AWS описывает рабочий процесс, который связывает события расследований AWS DevOps Agent с конвейером автоматического исправления: EventBridge запускает оркестратор на Lambda Durable Functions, который отправляет выводы в Amazon Bedrock; Bedrock выбирает из белого списка специализированных Lambda‑функций предлагаемые исправления и выполняет операции только для действий только для чтения, а изменения инфраструктуры подготавливаются и ожидают однонажатийного утверждения человека. Durable Functions использует контрольные точки, чтобы приостанавливать выполнение до одобрения и итеративно взаимодействовать с Bedrock до завершения исправления, что должно снизить среднее время устранения (MTTR).

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Orion AI от Cornerstone (на Amazon Bedrock) сократил время диагностики БД на 78%

Cornerstone OnDemand создала мультиагентную систему Orion AI с использованием Amazon Bedrock и фреймворка Strands Agents; по данным компании, время диагностики баз данных сократилось с ~45 до 10 минут (на 78%), уровень шума оповещений уменьшился в медиане на 65%, а систему разработала команда из трёх человек за шесть месяцев. Orion AI координирует специализированных агентов для мониторинга, диагностики, жизненного цикла и устранения проблем, интегрируется с существующими инструментами (например, SQL Server и Jira) и делает упор на защиту данных и разбиение агентов по доменам.

7.0