Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #6007

Amazon Athena

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

7

MONEY · 1 ИСТОЧН. · AWS Machine Learning

Amazon Bedrock добавляет встроенную построчную атрибуцию затрат по пользователям в CUR 2.0

Amazon Bedrock реализует бездополнительную инструментализацию для атрибуции затрат: идентификатор IAM каждого вызова инференса и сессионные теги публикуются в AWS Cost and Usage Reports (CUR 2.0) и Cost Explorer. Механизм работает на уровне эндпоинтов Bedrock (bedrock-runtime или bedrock-mantle), поддерживает федерацию через IAM Identity Center и теги сессий, может сочетаться с Application Inference Profiles, Projects/Workspaces или метками запросов для большей детализации; в публикации показаны шаги настройки и варианты запросов в Athena для контроля затрат.

7.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Amazon SageMaker HyperPod: три проверки в PyTorch DDP для обнаружения и восстановления от тихой порчи данных

Amazon описывает добавление трёх проверок целостности в циклы обучения PyTorch DistributedDataParallel на SageMaker HyperPod для обнаружения тихой порчи данных (SDC): проверку на нечисловые градиенты, аудит кольца с повторным вычислением микропакетов для побитного сравнения потерь/градиентов и сравнение отпечатков весов после обновления. При срабатывании проверки ранк сопоставляют с узлом в кластере EKS, локализуют и заменяют узел через HyperPod с восстановлением из чекпойнта; метод тестировали со встроенными программными ошибками на кластере ml.p5.48xlarge (32 H100), и код доступен в сопроводительном репозитории GitHub.

7.0

MONEY · 1 ИСТОЧН. · AWS Machine Learning

Отслеживание и ограничение расходов Amazon Bedrock на каждого IAM‑принципала с помощью CUR 2.0 и AWS Budgets

AWS описывает бескодовый способ получать данные о расходах Amazon Bedrock по каждому пользователю/роли и автоматически ограничивать их, сочетая автоматическую атрибуцию IAM-принципала в Bedrock с активированными тегами затрат, экспортом CUR 2.0 или Cost Explorer для отчётности и AWS Budgets с действиями по бюджету, которые применяют deny‑политику при достижении порога. Пост описывает три шага: атрибуция (принципальные или сессионные теги), отчётность (активировать теги, использовать CUR 2.0/Cost Explorer, при необходимости анализировать через Athena) и принудительное ограничение (создать бюджет с бюджетным действием для блокировки доступа).

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

AWS опубликовала пример 'Bedrock Invocation Data Lake' для централизованной наблюдаемости

AWS опубликовала пример (репозиторий на GitHub), который централизует логи вызовов Amazon Bedrock из связанных аккаунтов в запросную data lake с помощью подписок CloudWatch, Data Firehose и Athena. Репозиторий содержит шаблоны CloudFormation, код Lambda и SQL-запросы для фиксации деталей каждого вызова: числа входных/выходных токенов, используемая модель, причина остановки, аккаунт и IAM-идентичность.

5.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Бессерверный MCP-сервер на Amazon ECS Fargate обеспечивает централизованный доступ LLM к корпоративному data lake

Команда Amazon для сети NASC разработала бессерверный сервер Model Context Protocol (MCP) на Amazon ECS с AWS Fargate как централизованный, независимый от агента шлюз к корпоративному data lake. Метаданных-ориентированная реализация на FastMCP интегрируется с Amazon Bedrock (с Guardrails), Athena, Redshift, S3 и Cognito, централизует контроль доступа и позволяет подключать наборы данных через JSON-метаданные без переработки кода агентов.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Aderant внедряет Intelligent Ticket Analyzer на базе Amazon Nova Lite через Bedrock

Aderant создала Intelligent Ticket Analyzer на основе Amazon Nova Lite через Amazon Bedrock для автоматизации сбора контекста, классификации, маршрутизации и обогащения знаний по заявкам поддержки в 268 средах клиентов. За первые 2,5 недели (30 июня–17 июля 2026) система обработала 109 заявок с ≈96% точностью маршрутизации, оценивает экономию 8–14 инженерных часов в неделю при операционных расходах ниже $30 в месяц.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

IDE Positron от Posit теперь работает на Amazon SageMaker AI с ассистентом Posit Assistant на Bedrock

Posit опубликовала определение контейнерного образа Positron, который можно зарегистрировать в Amazon SageMaker AI и прикрепить к домену SageMaker Studio. Запуск Positron на SageMaker AI позволяет дата‑сайентистам работать с управляемыми данными AWS (Athena, Glue, S3) под ролью Space execution role, запускать Spaces на выделённых или динамических ресурсах SageMaker, совместно работать в общих или параллельных Spaces и использовать Posit Assistant с Amazon Bedrock как поставщиком моделей в пределах учётной записи и региона AWS заказчика.

6.0