新闻 · AWS Machine Learning Blog
使用 Amazon Bedrock 上的开放权重模型作为你的 AI 编程智能体
将开源终端原生 AI 编程智能体 OpenCode 与 Amazon Bedrock 上的开放权重模型搭配使用，获得安全、灵活、按使用量付费的编程助手。了解如何配置多模型工作流、为每项任务匹配最合适的模型，并将数据保留在你自己的 AWS 账户中，无需管理任何基础设施。
en
英文原标题：Use open weight models as your AI coding agent with Amazon Bedrock
本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗
- 文章介绍如何将开源终端AI编码代理OpenCode与Amazon Bedrock上的开放权重模型结合，让推理在用户自己的AWS账户内完成，无需管理基础设施，也没有按席位收费。
- OpenCode用Go编写，可读写文件、执行shell命令，并通过LSP诊断理解项目结构，支持包括Amazon Bedrock在内的75家以上LLM提供商。
- 文章列举选择开放权重模型的五个驱动因素：性能持平、成本效率、定制与控制、模型灵活性、透明度，并引用McKinsey 2025报告称76%组织预计增加开源AI使用。
- Amazon Bedrock作为后端提供数据驻留与合规、企业安全控制、灵活定价（Priority、Standard、Flex三档）、不用用户数据训练模型以及高默认容量等优势。
- 文章建议按任务选择模型：Kimi K3适合调试与架构分析，GPT-OSS 120B适合代码生成，Nemotron 3 Super 120B适合高吞吐生成，并提到Ethara.AI在生产中使用该架构。
关键数据
- 76%的组织预计增加开源AI使用，领先AI采用者使用开放权重模型的可能性高40%
- CrowdStrike微调的NVIDIA Nemotron达到96%有效查询准确率，高于GPT-4o的61%和Claude Sonnet 4.5的94%
- Gartner 2026分析指出代理工作流使token消耗增加5–30倍
- Kimi K3支持1M token上下文
- Nemotron 3 Super 120B采用MoE架构，每token仅激活120B总参数中的12B，吞吐量最高提升7倍
- Bedrock默认限制为每分钟1亿token和每分钟1万请求
- 全球跨区域推理比地理配置文件便宜约10%
为什么值得看：文章展示了如何用Amazon Bedrock上的开放权重模型搭建私有、按用量付费且可灵活切换模型的AI编码代理，适合有数据驻留和成本敏感需求的企业。