Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #747

Amazon S3

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

30

CODING · 1 ИСТОЧН. · AWS Machine Learning

Amazon описывает рабочий процесс с Crawl4AI для подготовки веб‑контента в Bedrock Knowledge Bases

AWS опубликовал руководство с примером, где открытый краулер Crawl4AI формирует Markdown и файлы метаданных, которые загружаются в Amazon S3 и затем индексируются Amazon Bedrock Knowledge Bases. В материале объясняется, когда использовать встроенный Web Crawler Bedrock, а когда — путь Crawl4AI для выборочной экстракции, пользовательских метаданных и удаления служебного содержимого; приводится ссылка на репозиторий aws‑samples и архитектура с EventBridge, ECS/Fargate и S3.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Epsilon внедряет Amazon Nova Act и Bedrock AgentCore Browser для тестирования UI на основе намерений

Команда Agentic Platform компании Epsilon интегрировала Amazon Nova Act с инструментом Amazon Bedrock AgentCore Browser, чтобы предоставить тестирование UI на основе естественного языка как управляемую многопользовательскую платформенную услугу поверх существующего набора регрессионных тестов Playwright. Решение использует управляемые временные браузерные сессии AWS, аутентификацию через IAM, межаккаунтное provision через STS и запись/аудит сессий для снижения операционной нагрузки команд и повышения устойчивости тестов.

5.0

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

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

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

CODING · 1 ИСТОЧН. · AWS Machine Learning

Построение агентной системы обработки документов (IDP) на Amazon Bedrock AgentCore с Strands Agents

AWS опубликовала практическое руководство по агентной системе обработки документов (IDP), в которой используются Amazon Bedrock AgentCore и открытая SDK Strands Agents для классификации, извлечения, валидации и самообучения на деловых документах. Архитектура связывает runtime и возможности идентификации AgentCore с сервисами AWS (Textract, S3 Vectors, Aurora DSQL, Lambda, EventBridge, DynamoDB, ECS) в многопроцессных рабочих потоках, позволяя обрабатывать новые форматы документов без ручной настройки шаблонов.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Развёртывание decision‑моделей на llama.cpp в Amazon SageMaker AI с AWS DLC и SemIf

AWS опубликовала руководство по использованию AWS Deep Learning Container (DLC) для llama.cpp, чтобы обслуживать OpenAI‑совместимые chat‑completion через SageMaker InvokeEndpoint, а также по расширению образа SemIf (ранее OpenJev) для возврата вероятностей и логитов для структурированных задач принятия решений. В материале описаны варианты развёртывания на CPU и GPU, сборка дочернего образа через CodeBuild/ECR для SemIf и бенчмарк сравнения задержек на CPU и GPU.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Блог AWS: руководство по созданию контекстно-осведомлённого помощника с OpenClaw на AgentCore

В руководстве показано, как создать персонального помощника с долговременной памятью (пример — «Sprout» для садоводов), используя OpenClaw вместе с Amazon Bedrock AgentCore runtime и AgentCore memory; развёртывание упаковано в единый CloudFormation-шаблон. В статье описана архитектура, оценка затрат по модели потребления, необходимые компоненты (включая доступ к Claude Haiku 4.5 / Claude Sonnet 4.5) и способ быстрого развёртывания.

7.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Управление Amazon SageMaker HyperPod Spaces прямо из SageMaker Studio

AWS добавила поддержку управления SageMaker Spaces на кластерах HyperPod EKS через интерфейс SageMaker Studio, что позволяет дата‑сайентистам запускать JupyterLab или Code Editor и включать/останавливать Spaces без использования CLI. Администраторам нужно установить дополнение SageMaker Spaces на HyperPod, прикрепить необходимые IAM‑политики и включить per-user identity propagation для домена Studio.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Amazon опубликовала Quick Resource Migrator — MCP‑сервер на Bedrock AgentCore для автоматического переноса ресурсов между аккаунтами

Amazon опубликовала пример Quick Resource Migrator — идемпотентный, аудируемый MCP‑сервер на Amazon Bedrock AgentCore, который автоматизирует перенос ресурсов Amazon Quick (агенты, коннекторы, базы знаний, потоки, пространства) между аккаунтами AWS. Инструмент считывает ресурсы и права через API Amazon Quick, выполняет upsert в целевом аккаунте, сохраняет версионные бэкапы в S3 и предоставляет предварительный просмотр; исходный код доступен в репозитории aws-samples.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Amazon Bedrock Managed Knowledge Bases поддерживает агентный (agentic) поиск — руководство по LangChain

Техническое руководство показывает использование LangChain с Amazon Bedrock Managed Knowledge Bases для сравнения стандартного одношагового поиска (Retrieve API) и многошагового агентного поиска (AgenticRetrieveStream API). В статье описывается архитектура, права IAM, требование к версии boto3 (agentic_retrieve_stream требует boto3 версии ≥ 1.43.32) и компромиссы по стоимости и просмотру пошаговых trace-событий.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Amazon SageMaker AI демонстрирует дообучение поисковых агентов с помощью многошагового RL (MTRL) на Qwen3.6-27B

В публикации Amazon описывает использование возможностей многошагового обучения с подкреплением (MTRL) в Amazon SageMaker AI для дообучения модели Qwen3.6-27B под поискового агента. Статья перечисляет возможности MTRL — бессерверное выполнение, модульный интерфейс агент–окружение, асинхронные роллауты, встроенные алгоритмы (PPO, CISPO, IS), наблюдаемость траекторий через MLflow и задачи оценки — и показывает пример с BM25 и векторным поиском для корпоративного поиска.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Использование Amazon S3 Vectors в качестве постоянной памяти для NVIDIA NeMo Agent Toolkit (NAT v1.6)

Инструкцию по реализации Amazon S3 Vectors как пользовательского провайдера памяти для открытого фреймворка NVIDIA NeMo Agent Toolkit (NAT): плагин MemoryEditor, конфигурация YAML и развёртывание в Amazon EKS; тестировалось с NAT v1.6 и использовалась модель Amazon Titan Text Embeddings V2 для векторных представлений. В статье показано, как сопоставить модель памяти NAT (MemoryItem/MemoryEditor) с индексами и метаданными S3 Vectors и какие инструменты и настройки нужны для примера с мультиагентной исследовательской системой.

5.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Руководство Amazon Bedrock AgentCore: амбиент-агенты, реагирующие на события с участием человека

AWS выпустила пошаговое руководство и референсную реализацию по созданию «амбиент»-агентов на Amazon Bedrock AgentCore, которые реагируют на потоки событий (S3, EventBridge, планировщик), при необходимости приостанавливаются для одобрения человека через инструмент ask_human и затем продолжают работу — с использованием AgentCore Runtime и бессерверных компонентов AWS (Lambda, DynamoDB, SQS) и моделей Bedrock. В публикации приведён путь развертывания с требованием AWS CLI, CDK v2, Docker и контейнера в ECR; в примере ограничение на шаг агента соответствует 15-минутному таймауту Lambda.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Uniopen дообучила Amazon Nova 2 Lite для модерации контента в ритейле

Uniopen (в составе тайваньской Uni‑President Enterprises Group) настроила Amazon Nova 2 Lite под свою таксономию модерации в ритейле через супервизированное дообучение в Amazon SageMaker AI и оптимизацию вывода на уровне подсказок; Nova 2 Pro генерирует кандидатные исправления, которые проверяются людьми до включения в обучающий набор. Конвейер развертывания использует Amazon S3, DynamoDB, Argo Workflows на EKS, Argo CD, SNS, CloudWatch и Bedrock Guardrails с проверками «жёстких» и «мягких» ворот, фиксированными тестовыми наборами и обязательной человеческой верификацией в спорных случаях.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Руководство AWS: помощник по заявлениям с цитируемыми ответами на Amazon Bedrock Knowledge Bases

AWS опубликовала техническое руководство по индексированию документов по страховым делам из Amazon S3 в Amazon Bedrock Knowledge Bases и использованию API AgenticRetrieveStream для ответов на вопросы на естественном языке со стримингом событий трассировки, ссылок на источники и проверкой привязки к контексту; пример использует синтетические записи претензий и демонстрирует фильтрацию по метаданным и механизм защитной проверки. Руководство описывает загрузку (парсинг, разбиение на чанки, встраивания, векторное хранилище), агентный поиск с итерациями подзапросов и потоковую выдачу ответов, трассировки и цитат для получения проверяемых ответов с источниками.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

AWS демонстрирует мультиагентный музыкальный пайплайн на Amazon Bedrock AgentCore Runtime Instances

AWS выпустила инструкцию по развертыванию триагентного музыкального пайплайна на Amazon Bedrock AgentCore Runtime Instances. Пример показывает ко‑расположение агентов на одном EC2-инстансе с постоянными томами и GPU NVIDIA L4 (ACE-Step для генерации музыки на месте), совместную работу через общий runtimeSessionId и упаковку артефактов в ECR или S3 для многодневных состоятелных рабочих процессов.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Руководство AWS: платформа для анализа контрактов с Bedrock AgentCore

Руководство AWS описывает архитектуру React‑веб‑приложения, превращающего портфель PDF‑контрактов в структурированные данные: агенты на Amazon Bedrock (AgentCore) используют Claude Sonnet для извлечения полей и Claude Haiku для верификации, Amazon Textract решает спор по подписям, результаты сохраняются в Amazon Aurora PostgreSQL, а пользователи получают доступ через встроенную аналитику и чат на естественном языке с показом статуса по WebSocket.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Генерация изображений и условного видео в SageMaker AI с помощью AWS vLLM-Omni DLC (FLUX.2-klein-4B → Wan2.1-VACE-1.3B)

В блоге AWS показано развёртывание одного образа AWS vLLM-Omni DLC на двух эндпойнтах SageMaker AI: реальном для FLUX.2-klein-4B (генерация изображений) и асинхронном для Wan2.1-VACE-1.3B (генерация видео по изображению). Пример создаёт PNG по текстовому промпту, передаёт его через S3 на видео-эндпойнт, получает MP4 из S3 и включает CLI- и опциональный Streamlit-примеры.

5.0

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

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

Perplexity заменяет DynamoDB собственной CobbleDB, снижая задержки чтения пакетов в 5 раз

Perplexity перевела основной уровень поиска с Amazon DynamoDB на CobbleDB — собственную распределённую key-value систему на Rust, разделив долговременное хранилище (Pillar) и горячую подачу (CobbleDB) с агрегатором Lorry и хранением батчей в S3. По данным компании, это снизило медианную задержку чтения пакетов с 31.4 мс до 5.60 мс, p99 — с 123 мс до 24.2 мс, обеспечило синтетическую пропускную способность до 500 тыс. запросов/с и уменьшило расходы на хранение как минимум на 20%.

7.0

MODELS · 1 ИСТОЧН. · AWS Machine Learning

AWS упаковал WhisperX DLC для SageMaker с пометками говорящих и покомандными метками времени

AWS выпустил WhisperX Deep Learning Container (DLC) для Amazon SageMaker, который объединяет OpenAI Whisper с выравниванием на основе wav2vec2 и диаризацией говорящих для покомандных меток времени и пометок «кто говорит». GPU‑готовый контейнер соответствует контракту обслуживания SageMaker, поддерживает реальное время и асинхронные эндпоинты и выдаёт форматы json, verbose_json, srt и vtt (пример тега образа: whisperx:3.8.6-cu128-amzn2023-sagemaker).

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

AWS публикует референсную архитектуру агентного видеопросмотра с Strands Agents SDK и Bedrock (Claude Sonnet)

AWS опубликовала референсную архитектуру и сопутствующую реализацию на GitHub для агентной системы видеопросмотра, которая с помощью Strands Agents SDK и Amazon Bedrock (Anthropic Claude Sonnet) оркестрирует Amazon Rekognition, Amazon Transcribe и другие сервисы по запросам на естественном языке. В посте указано, что ранее проанализированные видео возвращают ответы менее чем за секунду, начальный анализ новых видео занимает примерно 5–10 минут; один клиент сообщил об ~80% сокращении времени ручного просмотра по внутренним оценкам (не подтверждено независимо).

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Tata Elxsi создала IRIS — платформу для промышленной безопасности в реальном времени на AWS

Tata Elxsi разработала IRIS (Industrial Real-Time Intelligence System) — бессерверную, событийно-ориентированную платформу промышленного видеонаблюдения на AWS, которая выполняет первичную компьютерную обработку на периферии (пример оборудования: NVIDIA Jetson AGX Orin) через AWS IoT Greengrass, отправляет отфильтрованные кадры и компактные метаданные в Amazon S3 и агрегирует детекции в оповещения вблизи реального времени; фильтрация на периферии, по данным компании, сокращает объём отправляемых в облако кадров примерно на 70–80%, платформа работает в регионе AWS Asia Pacific (Mumbai).

5.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

AWS показала, как передавать результаты Amazon Bedrock Data Automation в Salesforce Agentforce через MCP

В блоге AWS описана архитектура, которая использует Amazon Bedrock Data Automation и протокол Model Context Protocol (MCP) для обработки неструктурированных данных (видео, аудио, изображения, документы) в Amazon S3 и передачи структурированных выводов в Salesforce Agentforce прямо в консоли Salesforce. В шаблоне используются события S3, AWS Lambda, DynamoDB и EventBridge; запросы агента проходят через Amazon Bedrock AgentCore Gateway для получения обработанных результатов по MCP.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

CLEA BMW использует Prophet для обнаружения аномалий затрат в 14 000 облачных аккаунтов

Внутренняя FinOps-система BMW Group — Cloud Efficiency Analytics (CLEA) — ежедневно собирает биллинговые данные (включая AWS CUR), строит прогнозы расходов по каждой пара аккаунт‑сервис с помощью Prophet и обнаруживает аномалии по ~14 000 облачных аккаунтов. Серверлес‑конвейер (Step Functions, Lambda, S3, Distributed Map) обрабатывает сотни тысяч временных рядов за ~20 минут и уведомляет владельцев при отклонениях; стоимость вычислений указана около $50/месяц.

4.0

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

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Benchling запускает многопользовательский код AI‑агентов через Amazon Bedrock AgentCore Code Interpreter в VPC‑режиме

Benchling описала архитектуру с многоуровневой защитой для запуска генерируемого AI научного кода для тысяч арендаторов в бионауках, используя Code Interpreter Amazon Bedrock AgentCore в VPC‑режиме. Решение помещает небезопасный код в отдельный AWS‑аккаунт («Untrusted Code Account»), применяет DNS‑контроль через Route 53 Resolver DNS Firewall, ограничивает сетевые пути только VPC‑endpoint’ами, вводит учетные данные на выполнение через AWS STS и выполняет непрерывную валидацию; по данным компании, архитектура обрабатывает >600 сессий в день и >250 арендаторов в неделю без инцидентов безопасности.

6.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

AWS опубликовала бессерверное решение для метрик Git с визуализацией в Amazon QuickSight

AWS представила бессерверный, событийно-управляемый конвейер, который автоматически собирает метрики Git из GitHub и GitLab, сохраняет данные в Amazon S3 и визуализирует их в Amazon QuickSight. Решение использует EventBridge Scheduler, Step Functions, Lambda и параметры CloudFormation, включает детектор изменений, адаптивное разбиение и полные/инкрементальные загрузки для обеспечения почти в реальном времени аналитики разработки и поддержки наблюдаемости в рамках AI-DLC.

3.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Создайте сквозной рабочий процесс RFI-анкеты с Amazon Quick Automate

AWS Machine Learning опубликовал руководство по созданию сквозного рабочего процесса RFI-анкеты с помощью Amazon Quick Automate: чтение многостраничной RFI-таблицы из Amazon S3, использование подсказок на естественном языке для извлечения и структурирования данных, итеративная доработка через разговорные взаимодействия и запись CSV-выхода обратно в S3. В руководстве утверждается, что такой подход сокращает время разработки с дней до часов.

4.0