Accessing OpenAI models on Amazon Bedrock from Australia with global cross-Region inference
澳大利亚团队现在可以访问 Amazon Bedrock 上的 OpenAI GPT-5.6 Sol、Terra 和 Luna 模型，并通过亚太地区（悉尼）和亚太地区（墨尔本）进行全球跨区域推理。本文展示了如何调用模型、使用提示缓存、使用 OpenID Connect 身份验证设置 Codex 以及使用 Amazon CloudWatch 监控使用情况。
Modernizing and scaling support operations with generative AI on AWS
了解如何在 AWS 上构建基于 AI 的生成式支持运营平台，将培训视频转换为结构化 SOP，应用检索增强生成来指导故障单解决，并使用机器学习来预测 SLA 风险并确定工作优先级。
How an AWS team detects dashboard content failures at scale using Amazon Bedrock
即使每个基础设施监视器都报告运行状况良好，商业智能仪表板也可能会悄无声息地发生故障，显示空白、过时或错误的数据。了解 AWS 团队如何在 Amazon Bedrock 上构建由 AI 驱动的自动化内容验证解决方案，该解决方案可扫描数百个仪表板并向所有者发出警报，从而将平均检测时间从几天缩短到一个小时以内。
Trinity: Agentic AI-powered transition planning for students with disabilities
了解 University Startups 及其 AWS 合作伙伴如何将 Trinity（一种针对残疾学生的对话式 AI 解决方案）扩展为 Amazon Bedrock 上的无服务器多代理架构，从而为美国各地的学区制定与 IDEA 一致的过渡计划。
Introducing Claude Fable 5.1 on AWS
Claude Fable 5.1 现已在 AWS 上的 Amazon Bedrock 和 Claude Platform 上提供。本文介绍了 Claude Fable 5.1 的改进、将数据保存在您控制的云环境中的企业前沿保障措施，以及如何开始在 Amazon Bedrock 上使用模型进行构建。
From theory to delivery: How Atos upskilled 400 engineers in agentic AI
当 Atos 着手提高 400 名工程师的代理人工智能技能时，实践学习是所缺少的要素。在三天的时间里，工程师们通过 AI League 活动在 AWS 上构建了多代理系统。这篇文章解释了源讯选择这种格式的原因、工程师构建和学习的内容以及其他企业应该考虑的内容。
Securing Amazon Quick from POC to production: Agents, Flows, and Spaces
当安全团队审查生产计划时，Amazon 快速概念验证项目通常会陷入停滞。这篇文章将介绍如何设计仪表板、空间、知识库、代理和流程，以及在扩展时保持安全控制的流程：数据集整形、代理隔离、文档分类和审批门。
How t54 built a trust layer with Amazon Bedrock AgentCore payments
t54 构建了 x402-secure，这是 Amazon Bedrock AgentCore 支付上的信任层，可在自主代理付款之前对每个端点进行评分。了解会话预算、凭证隔离和确定性信任门如何在无人参与的情况下管理超过 2000 万个代理发起的交易。
How ZS democratized secure ad-hoc analytics with Amazon SageMaker
了解 ZS 如何构建安全强化的 Amazon SageMaker 平台，在开发人员敏捷性与医疗保健级治理之间取得平衡，为 200 多个 SageMaker 域中的 1,000 多名日常活跃用户提供服务。
How Boomi Scribe streamlines documentation using AWS
Boomi Scribe 是 AWS 上的人工智能代理，可自动生成企业集成工作流程的文档。了解 Boomi 如何使用 Amazon Bedrock、Amazon SageMaker AI、Amazon S3、Amazon DynamoDB 和 AWS Lambda 解析集成 DAG、生成详细文档以及大规模比较组件版本。
Connect an AgentCore Runtime hosted MCP server to Amazon Quick
在本文中，您将了解如何在 AgentCore Runtime 中部署和托管 MCP 服务器并将其与 Amazon Quick 集成以及先决条件。通过这种模式，您可以提高 AI 工具的可重用性并避免重复，因此客户端可以重用通过 MCP 服务器公开的常用工具和代理，而不是再次从头开始编写它们。您的客户可以在 Amazon Quick（聊天代理和工作流程）中使用您的产品，而无需为每个用例构建自定义连接器。
AWS recognized as a Leader in The Forrester Wave: AI Infrastructure Solutions, Q4 2025
我们很高兴地告诉大家，AWS 已被 Forrester Wave 评为 2025 年第四季度人工智能基础设施解决方案的领导者。在对 13 家提供商的评估中，AWS 在战略类别中获得了最高分。
本文在 Amazon Bedrock 托管知识库和 Amazon Bedrock AgentCore 上构建了企业代理检索解决方案。代理进行推理、跨多个知识库进行路由并返回引用的答案，具有七层可观察性以及按需和持续评估，所有这些都通过单个 AWS CloudFormation 链进行部署。
Batch write and discover records in Amazon SageMaker Feature Store
Amazon SageMaker Feature Store 现在支持两个新 API：BatchWriteRecord 在一次调用中跨多个功能组写入最多 25 条记录，ListRecords 枚举功能组内的记录标识符。在这篇文章中，我们将通过可用于入门的代码示例来介绍每个 API。
How Decathlon runs demand forecasting at scale with Chronos-2
迪卡侬是全球最大的体育用品零售商之一，预计多个大洲每周对数万种产品的需求。了解他们如何在 AWS 上部署 Chronos-2，将预测准确性提高 11-15 个百分点，同时降低操作复杂性，并在纯 CPU 实例上以约 0.03 美元的价格运行每周推理。
Spreading the load: How Salesforce met Multi-AZ HA with SageMaker Inference Components
了解 Salesforce 如何使用 Amazon SageMaker AI Inference 组件放置（SchedulingConfig 参数）跨多个可用区分发模型副本，满足其多可用区高可用性合规性要求，同时又不牺牲多模型共同托管的成本效率。
Build agentic creative workflows with Amazon Quick and fal
创意团队生产的资产比以往任何时候都多，但分散的工具和手动上下文传输会减慢生产速度。本文展示了如何使用 Amazon Quick 和 fal 构建可重复使用的代理工具，并通过模型上下文协议 (MCP) 连接，并使用两个实践工作流程：八面板故事板和音乐视频概念原型。
Deepgram deepens Amazon SageMaker AI observability with Enhanced Metrics
自托管语音 AI 需要进行可观察性权衡：驱动容量规划和成本管理的数字被锁定在供应商容器内。 Deepgram 通过两项功能缩小了 Amazon SageMaker AI 的这一差距，这些功能可将计费、使用情况和每个 GPU 指标直接存入您自己的 Amazon CloudWatch 账户中。
