#AWS

Amazon rozširuje Bedrock o Claude Cowork a snaží sa dostať pracovné AI workflow z developerských desktopov aj k analytikom, operatíve a backoffice tímom bez opustenia firemného AWS prostredia.

AWS ukazuje, ako prepojiť DVC, SageMaker a MLflow tak, aby bolo možné spätne dohľadať presnú verziu dát, tréningu aj nasadeného modelu, čo je kľúčové najmä v regulovaných odvetviach.

Amazon sprístupnil G7e inštancie s GPU NVIDIA RTX PRO 6000 Blackwell Server Edition v SageMaker AI. Dôležité nie sú len nové čipy, ale aj to, že AWS tlačí jednou GPU konfiguráciou hosting veľkých open modelov bližšie k praktickej ekonomike nasadenia.

AWS ukazuje referenčnú architektúru pre hlasové objednávanie naprieč webom, mobilom a hlasovým rozhraním, postavenú na Bedrock AgentCore, Nova 2 Sonic, MCP a spravovanej cloudovej infraštruktúre.

AWS zverejnilo ToolSimulator v rámci Strands Evals SDK ako spôsob, ako testovať agentov s nástrojmi realisticky, ale bez práce proti produkčným API, citlivým dátam a neželaným vedľajším efektom.

AWS rozširuje Bedrock Guardrails o Automated Reasoning checks. Namiesto hodnotenia druhým modelom sľubuje formálne overovanie pravidiel a auditovateľné dôkazy pre regulované nasadenia AI.

AWS opisuje nasadenie Amazon Bedrock AgentCore v brazílskej sieti nemocníc Rede Mater Dei. Dôležité nie je len samotné použitie agentov, ale to, že do centra pozornosti sa dostáva observability, dohľad a prevádzková kontrola v citlivých firemných workflowoch.

AWS ukazuje, že pri decode-heavy úlohách možno cez speculative decoding citeľne znížiť cenu za výstupný token aj latenciu. Praktický odkaz je dôležitý: optimalizácia inferencie sa opäť stáva jednou z hlavných súťaží AI infraštruktúry.

AWS zverejnil praktický návod, ako zrýchliť decode-heavy LLM workloady cez špekulatívne dekódovanie na Trainium2 a vLLM. Téma je dôležitá preto, že práve výstupná fáza generovania často rozhoduje o cene, latencii aj tom, či sa agentické a chatové aplikácie oplatia v produkcii.

Brazílska skupina Rede Mater Dei opisuje, ako chce cez Amazon Bedrock AgentCore riadiť a monitorovať dvanásť AI agentov v nemocničnom revenue cycle. Téma je dôležitá hlavne preto, že ukazuje posun od dem k auditovateľnej prevádzke v citlivom odvetví.

AWS ukazuje, že pri decode-heavy workloadoch môže špekulatívne dekódovanie citeľne znížiť latenciu aj cenu za vygenerovaný token. Kľúčom je vhodná dvojica draft a target modelu vo vLLM, nie iba najmenší možný draft model.

AWS predstavil rámec Path-to-Value, ktorým sa snaží preklopiť diskusiu z experimentov k produkčným metrikám. Dôraz kladie na prechod od pilotov k prevádzke, integrácii, riadeniu nákladov a merateľnému dopadu.