View a markdown version of this page

概要 - Amazon Bedrock

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

概要

Amazon Bedrock は、主要な AI 企業の高性能基盤モデルにエンタープライズグレードで安全にアクセスできるフルマネージドサービスであり、生成 AI アプリケーションの構築とスケーリングを可能にします。

クイックスタート

を読みクイックスタート、Amazon Bedrock を使用して最初の API コールを 5 分以内に書き込みます。新しいアプリケーションの場合は、 bedrock-runtimeエンドポイントをお勧めします。

Messages API
from anthropic import Anthropic from aws_bedrock_token_generator import provide_token token = provide_token(region="us-east-1") client = Anthropic( base_url="https://bedrock-runtime.us-east-1.amazonaws.com/anthropic", api_key=token, ) response = client.messages.create( model="global.anthropic.claude-opus-4-7", max_tokens=1024, messages=[{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}] ) print(response)
Responses API
from openai import OpenAI client = OpenAI() response = client.responses.create( model="global.openai.gpt-5.6-sol", input="Can you explain the features of Amazon Bedrock?" ) print(response)
Chat Completions API
from openai import OpenAI client = OpenAI() response = client.chat.completions.create( model="global.openai.gpt-5.6-sol", messages=[{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}] ) print(response)
Converse API
import boto3 client = boto3.client('bedrock-runtime', region_name='us-east-1') response = client.converse( modelId='anthropic.claude-opus-4-7', messages=[ { 'role': 'user', 'content': [{'text': 'Can you explain the features of Amazon Bedrock?'}] } ] ) print(response)
Invoke API
import json import boto3 client = boto3.client('bedrock-runtime', region_name='us-east-1') response = client.invoke_model( modelId='anthropic.claude-opus-4-7', body=json.dumps({ 'anthropic_version': 'bedrock-2023-05-31', 'messages': [{ 'role': 'user', 'content': 'Can you explain the features of Amazon Bedrock?'}], 'max_tokens': 1024 }) ) print(json.loads(response['body'].read()))

Amazon Bedrock は、Amazon、、、、、、 などOpenAI、業界をリードするプロバイダーの 100 以上の基盤モデルをサポートしていますxAI。 Anthropic DeepSeek Moonshot AI MiniMax

Amazon ロゴ。

Amazon Nova

Anthropic ロゴ。

クロード

DeepSeek ロゴ。

DeepSeek

ムーンショット AI ロゴ。

Kimi

MiniMax ロゴ。

MiniMax

OpenAI ロゴ。

OpenAI

xAI ロゴ。

xAI

最新情報

  • OpenAI GPT-6 Astra が Amazon Bedrock で一般利用可能になりました。GPT-6 Astra は OpenAIの最新かつ最も能力の高いモデルです。これは、ビジネスタスクでハードな選択を行うことで理にかなっています。洗練されたコンテンツを記述して設計できます。また、コンピュータやウェブブラウザを使用することもできます。モデルには、入力と出力の間で共有される 1,050,000 トークンのコンテキストウィンドウがあり、最大 128,000 個の出力トークンがあります。詳細については、GPT-6 アストラモデルカードを参照してください。

  • からの Grok 4.6 が Amazon Bedrock で利用可能xAIに: 5500K000 コンテキストウィンドウと設定可能な推論作業 (低、中、高、xhigh) を備えた、長時間稼働エージェント、コーディング、ナレッジワーク用に構築された xAIの最新旗艦モデル。Amazon Bedrock が提供されているすべての AWS リージョンで使用できます。詳細については、「 Grok 4.6 モデルカード」を参照してください。

  • Amazon Bedrock は API サポートを拡張し、OpenAIモデルにクロスリージョン推論を追加しました。OpenAIGPT-5.6 Sol、Terra、および Luna が Responses、Converse、および Chat Completions APIs を通じてbedrock-runtimeエンドポイントで利用可能になりました。また、スループットが高く、トークンあたりのコスト (新しい米国ジオ CRIS を含む) が低いグローバルおよびジオクロスリージョン推論をサポートするようになりました。詳細については、「クロスリージョン推論」を参照してください。

  • からの Daybreak Red と Daybreak Blue が Amazon Bedrock で利用可能OpenAIになりました (限定可用性): OpenAIの Daybreak イニシアチブの特殊なサイバーセキュリティモデルで、対象となるお客様が利用できます。Daybreak Red (GPT-5.6 Cyber) は、脆弱性調査、エクスプロイトの再現、緩和開発を目的としてトレーニングされています。Daybreak Blue (GPT-5.6 Sol) には、防御的なサイバーセキュリティ作業用に調整された保護手段があります。詳細については、Daybreak Red: GPT-5.6 Cyber and Daybreak Blue: GPT-5.6 Sol モデルカードを参照してください。

  • ウェブ検索が Amazon Bedrock で利用可能に: Amazon Bedrock の OpenAI GPT モデルを現在のウェブ知識に基づいて、Responses API の単一のツール使用パラメータで構築する組み込みサーバー側ツール。オンボードするサードパーティー検索ベンダーはありません。検索では AWSがホストするウェブインデックスが使用され、Fetch はオプションで明示的な IAM 制御の下で外部ウェブから取得できます。米国東部 (バージニア北部)、米国東部 (オハイオ)、米国西部 (オレゴン) で利用できます。詳細については、「ウェブ検索」を参照してください。

  • OpenAI GPT-5.6 Sol、Terra、および Luna が Amazon Bedrock で利用可能になりました。高度な推論から高速で費用対効果の高い推論までOpenAI、Amazon Bedrock の Responses API を通じて一般公開されるようになりました。詳細については、GPT-5.6 Sol、GPT-5.6 Terra、GPT-5.6 Luna モデルカードを参照してください。

構築を開始する

同期またはデータ転送を示す双方向矢印が付いた雲のアイコン。

Amazon Bedrock でサポートされている APIs とエンドポイントについて説明します。

紫色の背景にスパナとドライバーのアイコン。

Amazon Bedrock が提供する推論リクエストの実行オペレーションを使用してビルドします。

Amazon Bedrock モデルのカスタマイズオプションには、ファインチューニング、継続的な事前トレーニング、留出などがあります。

モデルをカスタマイズしてユースケースのパフォーマンスを向上させる