Amazon CloudWatch

2026-11-02

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

2026-10-28

CODING · 1 ИСТОЧН. · AWS Machine Learning

QA Studio (собранный на Amazon Nova Act) добавляет организацию по приложениям и командные права доступа

В третьем сообщении о QA Studio — справочном решении для автоматизации тестирования, созданном с помощью Amazon Nova Act — описаны две возможности для масштабирования: объекты «приложение», объединяющие тесты и предоставляющие метрики здоровья (процент прохождений, оценка здоровья, неточные тесты, графики трендов) через Amazon CloudWatch, и командные права доступа, закрепляющие приложение за одной командой с ролями. Падения тестов привязаны к журналам траекторий Nova Act и записям сессий для ускоренной триаж-аналитики; также показана поддержка метрик по окружениям для CI/CD.

6.0

2026-10-26

CODING · 1 ИСТОЧН. · AWS Machine Learning

Построение агентного поиска в управляемой базе знаний Amazon Bedrock с помощью AWS CDK

В публикации AWS показано Python-приложение на AWS CDK, разворачивающее агентный механизм поиска на основе управляемых баз знаний Amazon Bedrock и AgentCore. Пример перенаправляет запросы между двумя базами знаний, использует API AgenticRetrieveStream для многоходовых, цитируемых ответов и настраивает панели CloudWatch и оценку для наблюдаемости.

7.0

2026-10-22

CODING · 1 ИСТОЧН. · AWS Machine Learning

Измеряемое автоскейлирование TTS на Amazon SageMaker с Kokoro-82M

В руководстве показано развёртывание Kokoro-82M (82M параметров, неавторегрессивная TTS) в кастомном контейнере на реальном endpoint Amazon SageMaker AI через AWS CDK и замена угаданной цели автоскейлинга на вычисленную по двум живым измерениям: Q_max (максимальная конкурентность на инстанс при соблюдении SLO) и T_total (время масштабирования end-to-end). Развёртывание использует нативную метрику SageMaker ConcurrentRequestsPerModel (в CloudWatch) и поддерживает InvokeEndpointWithResponseStream и InvokeEndpointWithBidirectionalStream; инструмент конвертирует клиентские измерения в единицы CloudWatch, в примере отношение измеренных и публикуемых значений оказалось 1.0.

6.0

2026-10-13

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Anchor Browser интегрируется с Amazon Bedrock AgentCore payments для обработки x402 платежей между машинами

Anchor Browser теперь интегрируется с Amazon Bedrock AgentCore payments, что позволяет агентам ИИ автоматически обрабатывать HTTP 402 (Payment Required) через протокол x402. Интеграция, созданная совместно с AWS Generative AI Innovation Center Partner Agent Factory и доступная в AWS Marketplace, управляет кошельками, лимитами расходов и наблюдаемостью через CloudWatch, чтобы рабочие процессы агентов не требовали ручного вмешательства.

6.0

2026-10-07

MODELS · 1 ИСТОЧН. · AWS Machine Learning

Claude Opus 5.5 и Sonnet 5.5 доступны в Amazon Bedrock в AWS GovCloud (US) с поддержкой Claude Code

Claude Opus 5.5 и Claude Sonnet 5.5 (наряду с Claude Sonnet 5) доступны через Amazon Bedrock в AWS GovCloud (US); Sonnet 5 имеет FedRAMP Class D и авторизацию DoD IL4/IL5, а Opus/Sonnet 5.5 сертифицированы по FedRAMP Class D на Bedrock (пользователям рекомендуется проверять текущий статус сертификации моделей). В публикации описывается использование агентного инструмента для кодирования Claude Code с эндпоинтами bedrock-runtime и bedrock-mantle, а также особенности безопасности (Zero Operator Access), пути соответствия и интеграции с CI/CD и инструментами разработчика.

8.0

2026-09-28

MODELS · 1 ИСТОЧН. · AWS Machine Learning

Автоматизация жизненного цикла адаптеров Amazon Textract Custom Queries между аккаунтами

В публикации AWS описана архитектура, шаблоны инфраструктуры (CloudFormation и Terraform) и операции для автоматизации продвижения, маршрутизации и подготовки к продакшену адаптеров Amazon Textract Custom Queries между аккаунтами. Приводится схема предварительной классификации с DetectDocumentText и хранением идентификаторов адаптеров в AWS Systems Manager Parameter Store для обновлений без простоя, а также рекомендации по безопасности (KMS, PrivateLink, принцип минимальных прав, CloudTrail/CloudWatch).

5.0

2026-09-25

MODELS · 1 ИСТОЧН. · AWS Machine Learning

Amazon SageMaker JumpStart обеспечивает развёртывание Qwen3-TTS-12Hz-1.7B-Base в режиме реального времени для клонирования голоса

Amazon описывает, как развернуть общедоступную модель синтеза речи Qwen3-TTS-12Hz-1.7B-Base из SageMaker JumpStart на полностью управляемом эндпойнте для инференса в реальном времени с помощью SageMaker Python SDK; модель поддерживает клонирование голоса по короткой эталонной записи, кроссъязыковую генерацию на десяти языках, стриминг и мониторинг через CloudWatch. В публикации подчёркиваются преимущества: контроль данных в аккаунте AWS, выравнивание затрат по расходу вычислений и применения в локализации, персонализированных ассистентах и электронном обучении.

6.0

2026-09-18

CODING · 1 ИСТОЧН. · AWS Machine Learning

Hugging Face выпустила шесть open‑source Skills для развёртывания моделей в Amazon SageMaker AI через coding‑агентов

Hugging Face опубликовала шесть open‑source «Skills» (на GitHub), позволяющих coding‑агентам полностью автоматизировать развёртывание моделей Hugging Face в Amazon SageMaker AI. Skills помогают выбрать корректный образ из AWS Deep Learning Containers, создать real‑time или serverless endpoint с автоскейлингом и оповещениями CloudWatch, обеспечивают проверяемый путь удаления ресурсов и работают через Python и AWS CLI, предотвращая дорогостоящие или нестабильные ошибки агентов.

6.0