How INRIX accelerates transportation planning with Amazon Bedrock
Inrix率先使用连接车辆的GPS数据进行运输智能。在这篇文章中，我们与Amazon Web Services（AWS）客户Inrix合作，展示了如何使用Amazon Bedrock使用丰富的运输数据来确定特定城市位置的最佳对策，以及如何在Street View图像中自动将这些对策自动可视化。与使用概念图的传统方法相比，这种方法允许大量的计划加速。
今天，我们很高兴地宣布，Qwen3是QWEN家族中最新一代的大型语言模型（LLMS），可通过亚马逊基岩市场和Amazon Sagemaker Jumpstart获得。通过此启动，您可以在0.6B，4B，8B和32B参数尺寸中部署QWEN3模型，以构建，实验和负责任地扩展您的生成AI应用程序。在这篇文章中，我们演示了如何在Amazon Bedrock Marketplace和Sagemaker Jumpstart上使用Qwen3开始。
Agents as escalators: Real-time AI video monitoring with Amazon Bedrock Agents and video streams
在这篇文章中，我们展示了如何构建一个完全可部署的解决方案，该解决方案使用OpenCV，Amazon Bedrock来处理视频流，以通过亚马逊基岩代理进行上下文场景的理解和自动响应。该解决方案扩展了使用Amazon Bedrock代理和知识库在Automate Chatbot中显示的功能，用于文档和数据检索，这些功能使用Amazon Bedrock代理进行了文档和数据检索进行了讨论。在这篇文章中，我们将亚马逊基岩代理应用于实时视频分析和事件监控。
Structured data response with Amazon Bedrock: Prompt Engineering and Tool Use
我们演示了两种使用Amazon Bedrock生成结构化响应的方法：与Converse API一起使用及时工程和工具。及时的工程是灵活的，可与基岩型号（包括没有工具使用支持的型号）一起使用，并处理各种模式类型（例如，开放API模式），使其成为一个很好的起点。工具使用提供了更大的可靠性，一致的结果，无缝的API集成以及JSON模式的运行时验证，以增强控制。
Meeting summarization and action item extraction with Amazon Nova
在这篇文章中，我们介绍了亚马逊基德岩（Amazon Bedrock）上可用的Amazon Nova家族的不同理解模型的基准，以提供有关如何为会议摘要任务选择最佳模型的见解。
How Apollo Tyres is unlocking machine insights using agentic AI-powered Manufacturing Reasoner
在这篇文章中，我们分享了Apollo轮胎如何使用Amazon Bedrock的生成AI来利用其机器数据的见解，以自然语言交互模式来获得对其制造过程的全面视图，从而实现数据驱动的决策并优化运营效率。
Deploy Qwen models with Amazon Bedrock Custom Model Import
现在，您可以为qwen2，qwen2_vl和qwen2_5_vl架构导入自定义权重，包括QWEN 2、2.5编码器，QWEN 2.5 VL和QWQ 32B之类的型号。在这篇文章中，我们介绍了如何使用Amazon BedRock自定义模型导入的如何部署QWEN 2.5型号，这使他们可以在AWS基础架构中以有效的成本在AWS基础架构中使用最先进的AI功能。
Build generative AI solutions with Amazon Bedrock
在这篇文章中，我们向您展示了如何使用Amazon Bedrock的功能在Amazon Web服务（AWS）上构建生成AI应用程序，并强调了如何在生成AI旅程的每个步骤中使用Amazon Bedrock。本指南对于经验丰富的AI工程师和生成AI空间的新移民都很有价值，可帮助您利用亚马逊基岩的最大潜力。
Building intelligent AI voice agents with Pipecat and Amazon Bedrock – Part 1
在这一系列帖子中，您将学习如何使用PipeCat构建智能AI语音代理，这是一个用于语音和多模式对话AI代理的开源框架，并在Amazon Bedrock上建立了基础模型。它包括高级参考体系结构，最佳实践和代码样本，以指导您的实施。
Build a Text-to-SQL solution for data consistency in generative AI using Amazon Nova
这篇文章评估了使用生成AI查询数据的关键选项，讨论了它们的优势和局限性，并演示了为什么文本到SQL是确定性，特定于架构的任务的最佳选择。我们展示了如何使用Amazon Nova有效地使用Amazon Nova（Amazon Bedrock中可用的基础模型（FM）），从您的数据中得出精确而可靠的答案。
Amazon Bedrock模型副本和模型共享功能为管理从开发到生产的AI应用程序的生命周期提供了有力的选择。在这篇全面的博客文章中，我们将深入了解模型共享和模型复制功能，在典型的开发到生产方案中探索其功能，好处和实际应用。
这篇文章探讨了使用生成AI模型和Amazon Bedrock部署文本到SQL管道，以向基因组学数据库提出自然语言问题。我们演示了如何使用AWS放大的AI助手Web界面，并解释用于生成SQL查询的及时工程策略。最后，我们提出了将服务部署在您自己的AWS帐户中的说明。
在这篇文章中，我们将浏览一个完整的应用程序，该应用程序使用Amazon Bedrock数据自动化处理多模式内容，将提取的信息存储在Anamazon BedRock知识库中，并通过基于RAG的Q＆A接口进行自然语言查询。
GuardianGamer scales family-safe cloud gaming with AWS
在这篇文章中，我们分享了GuardianGamer如何使用AWS服务，包括Amazon Nova和Amazon Bedrock来提供可扩展有效的监督平台。该团队使用亚马逊Nova进行聪明的叙事生成，为父母提供对孩子的游戏活动和社交互动的有意义的见解，同时保持了非侵入性的监测方法。
Vxceed secures transport operations with Amazon Bedrock
aws与VXCECE合作支持其AI策略，从而开发了limoconnect Q，这是一种创新的地面运输管理解决方案。 VXCEED使用AWS服务，包括Amazon Bedrock和Lambda，成功地建立了一个安全的AI驱动解决方案，以简化Trip Trip预订和文档处理。
Improve Amazon Nova migration performance with data-aware prompt optimization
在这篇文章中，我们提出了LLM迁移范式和体系结构，包括连续的模型评估过程，使用Amazon Bedrock及时生成，以及数据吸引的优化。该解决方案在迁移之前评估模型性能，并使用用户提供的数据集和目标指标迭代优化Amazon Nova模型提示。
Customize Amazon Nova models to improve tool usage
在这篇文章中，我们演示了与Amazon Nova一起使用的模型自定义（微调）。我们首先引入工具用例用例，并提供有关数据集的详细信息。我们介绍了亚马逊NOVA特定数据格式的详细信息，并展示了如何通过Converse进行工具并在Amazon Bedrock中调用API。在获得亚马逊NOVA模型的基线结果后，我们详细解释了微调过程，托管带有配置吞吐量的微型模型，并使用微调的Amazon Nova模型进行推理。
Use Amazon Bedrock Intelligent Prompt Routing for cost and latency benefits
今天，我们很高兴地宣布亚马逊基岩智能及时路由的一般可用性。在这篇博客文章中，我们详细介绍了内部测试的各种亮点，如何开始，并指出一些警告和最佳实践。我们鼓励您将Amazon Bedrock智能及时路由纳入您的新的和现有的生成AI应用程序中。
