亚马逊AWS官方博客

Mantle 是 Amazon Bedrock 的新一代推理引擎，OpenAI 的 GPT-5.6（Sol / Terra / Luna）等模型由它提供服务，通过 OpenAI 兼容的 bedrock-mantle 端点对外暴露。它与承载 Claude 的经典 bedrock-runtime 端点在协议上并不一致：前者用 Chat Completions / Responses，后者用 Converse / InvokeModel。本文用一台 EC2 上的 LiteLLM 网关（测试形态，生产化建议见文中）把两个端点收敛到同一个入口，实测供出 9 个模型（GPT-5.6 三变体、GPT-5.5、GPT-5.4、gpt-oss 两款、Claude 两款），客户端只认一个地址、一个 key，网关侧完全用 EC2 实例角色做 SigV4 认证，不落盘任何 API key。文中还给出一个 92 行的 pre-call 钩子，解决 Codex 客户端与 Mantle 的请求体不兼容问题，让 Codex 和 opencode 共用同一套网关。

CloudFront Functions 新增 cf.logCustomData() 辅助方法，可将函数产生的自定义数据写入同一次请求的 CloudFront 访问日志。本文通过一个流量来源记录示例说明其配置和验证方法。

今天，我很高兴地宣布推出运行时实例，这是 Amazon Bedrock AgentCore 运行时中的一个新的补充计算选项，可为您的代理提供专为复杂代理工作负载构建的持久托管基础设施。

今天，我们宣布在 Amazon DynamoDB 中正式发布向量搜索功能。现在，您可以将向量嵌入与操作数据一起存储在 DynamoDB 中，并直接对这些数据运行相似性搜索，无需将其复制到单独的向量存储中。

用 AWS Lambda MicroVMs 快速部署多人游戏服务器

本文介绍如何使用 AI 编码工具 Kiro 辅助嵌入式系统的全流程开发。通过一个智能温湿度监控系统的实际案例，展示从需求分析、代码生成到调试部署的完整开发过程，帮助开发者了解如何借助 AI 提升嵌入式开发效率。

AI Agent 创建数据库已成为行业新常态——在主流 Serverless 数据库平台上，80% 以上的数据库已由 Agent 创建。本文介绍如何基于 Aurora PostgreSQL + Supabase 构建后端即服务（BaaS）方案，为 AI Coding 场景提供开箱即用的数据库、认证、API 自动生成等能力。

Bedrock 中的 GPT 模型降价、CloudWatch 托管的 Prometheus 指标收集器等

本文将系统介绍 Text-only LLM SFT 训练数据预处理的完整流程，涵盖从数据收集到最终打包的每一个环节，并结合真实客户案例给出实操建议。这里需要说明的是，本文聚焦于纯文本场景，且不涉及代码生成和 SQL 相关的场景。从 2025 年的行业趋势来看，代码和 SQL 相关场景基本上都是基于开源模型权重或闭源模型来构建实现的，需要针对代码和SQL相关场景做post training 的客户相对要少很多。此外，SFT 和 RFT（Reinforcement Fine-Tuning）的训练数据预处理存在差异，本文只讨论 SFT 的部分。虽然 SFT 本身又分为全参数 SFT 和 PEFT（主要是 LoRA 及其变体），但数据集的预处理流程对两者是一致的。

本文介绍如何通过 CloudWatch Logs V2 delivery，将 Amazon Quick 支持的日志直接持续投递到指定的 Amazon S3 Bucket。CloudWatch Logs 在此架构中仅作为日志投递的控制面。日志会直接写入 S3，无需创建 CloudWatch Log Group，也无需配置 Log Group Export。