英文原标题:Cost attribution and controls for AI developer and productivity tools on Amazon Bedrock

本文为英文原文的机器翻译摘要,原文见:AWS Machine Learning Blog ↗

  • Amazon Bedrock 提供内置的零插桩成本归因,可将每次推理调用追溯到发起调用的 IAM 主体,身份信息与组织标签一起流入 AWS Cost and Usage Reports (CUR 2.0) 和 AWS Cost Explorer,且数据保留在 AWS 安全边界内。
  • 该归因机制在端点层工作,与具体 AI 工具无关;Claude Code、Claude Desktop、OpenAI Codex、ChatGPT Work 和 OpenCode 等工具通过 bedrock-runtime 或 bedrock-mantle 端点调用 Bedrock 时,均可自动获得按用户成本可见性。
  • 文章以联邦身份模式为例,说明如何配置 AWS IAM Identity Center 与外部身份提供商(如 Okta、Microsoft Entra ID、Ping Identity),使会话名称对应用户登录名,并将会话标签(团队、成本中心)传入 CUR 2.0,从而按用户查询支出。
  • 除 IAM 主体追踪外,Bedrock 还提供 Application Inference Profiles(按工作负载标记 bedrock-runtime 支出)、Projects 和 Workspaces(隔离并标记 bedrock-mantle 支出)以及按请求元数据标记(在模型调用日志中提供逐提示令牌级细节)等归因机制,可组合使用。
  • 文章列出了实施前提条件,包括启用 IAM Identity Center、配置外部 IdP 与 SCIM 预配、启用带 IAM 主体数据的 CUR 2.0、激活成本分配标签以及配置 Athena 表,并给出了创建 Bedrock 访问权限集的示例策略。

关键数据

  • CUR 2.0 的 line_item_iam_principal 列记录调用者的完整 IAM ARN,包括联邦用户的会话名称。
  • 使用量按主体和用量类型在每个导出间隔聚合:小时导出为一小时,每日导出为一天。
  • CUR 不包含按请求的成本;如需逐提示细节,需使用模型调用日志或请求元数据标记。
  • 标签在 CUR 2.0 中以 iamPrincipal/ 前缀出现,并在 Cost Explorer 中作为可筛选维度。
  • Bedrock 归因支持四种访问模式:IAM 用户、按应用角色、联邦身份和代理到 Bedrock 的 LLM 网关。

引语

  • CUR does not contain per-request cost.

为什么值得看:随着 AI 开发与生产力工具采用规模扩大,文章提供了利用 Bedrock 原生能力回答按用户真实成本、团队支出分布及预算扩展等 FinOps 关键问题的方法。

站内导航