Modernizing mainframe Assembler to Java using Amazon Bedrock and AWS Transform
Legacy mainframe Assembler applications are costly to maintain and hard to staff.
Новости AI
Короткие заметки о релизах моделей, инструментов и регулировании — из официальных блогов, changelog и GitHub-релизов. Без пересказов: у каждой заметки ссылка на первоисточник.
Медиана за 30 дней: заметка появляется здесь через 11 ч 21 мин после публикации у источника
Legacy mainframe Assembler applications are costly to maintain and hard to staff.
Amazon Bedrock provides built-in, zero-instrumentation cost attribution that traces every inference call back to the IAM principal that made it.
Build a self-service LLM gateway with LiteLLM on AWS Fargate that puts Amazon Bedrock foundation models behind an OpenAI-compatible API. Developers get instant access through a single API key, while platform teams gain per-user cost controls, quota isolation, and observability.
A practical guide for enterprises rolling out OpenAI Codex to developers on AWS, with Amazon Bedrock as the model backend, covering the access, governance, and cost decisions that platform, security, and finance teams need to align on.
Amazon SageMaker Inference now supports GPU partitioning with NVIDIA Multi-Instance GPU (MIG), which divides one GPU into hardware-isolated partitions so you can run a different model in each or take a right-sized fraction of a newer accelerator.
Fleet-wide computer vision needs a model per camera, not one model for the whole fleet.
Amazon SageMaker AI training session APIs let you write your own LLM training loop (SFT, RL, or custom objectives) in a Python script while the service runs the GPUs.
Developers can now access SageMaker Studio through the new AWS experience
Новые клиенты Amazon SageMaker AI могут получить доступ к полностью настроенной среде SageMaker Studio за несколько шагов, без необходимости в расширенной учетной записи AWS или кредитной карте.
Building trust in AI agents: A production-ready evaluation framework with Amazon Bedrock AgentCore
Amazon Bedrock AgentCore предлагает девятиэтапную систему оценки для выявления скрытых проблем с качеством ИИ-агентов на протяжении всего их жизненного цикла.
Deploy and evaluate models with Amazon SageMaker JumpStart
Amazon SageMaker JumpStart предоставляет инструменты для развертывания моделей, проведения тестов производительности с помощью SageMaker Python SDK и удаления конечных точек после завершения тестирования.
Automate remediation post AWS DevOps Agent investigation
AWS DevOps Agent теперь может преобразовывать сводки расследований в предварительно проверенные исправления, которые инженер может одобрить одним действием, используя AWS Lambda Durable Functions, Amazon EventBridge и Amazon Bedrock.
Responsible AI governance: How AWS positions customers to align with ISO/IEC 42005:2025
AWS предлагает инструменты для соответствия международным стандартам ответственного управления ИИ, включая оценку воздействия систем ИИ, что помогает управлять рисками на предприятии.
Making Amazon Quick enterprise-ready: Automated, auditable cross-account resource promotion
AWS представила автоматизированное, аудируемое продвижение ресурсов Amazon Quick между аккаунтами с помощью MCP сервера на Amazon Bedrock AgentCore.
Agentic retrieval with LangChain and Amazon Bedrock Knowledge Bases
Amazon Bedrock Knowledge Base с LangChain позволяет создавать RAG-приложения с агентным извлечением для многокомпонентных вопросов.
Downgrading user roles in Amazon Quick
Amazon Quick предлагает два метода для понижения ролей пользователей: ручное удаление и воссоздание, а также последовательность шагов в AWS CLI для безопасного понижения ролей с сохранением владения активами.