AWS amplia o acesso ao GPT-6 no Amazon Bedrock para cinco regiões da Ásia-Pacífico

A Amazon Web Services liberou o acesso ao GPT-6 Sol e ao GPT-6 Luna, da OpenAI, no Amazon Bedrock por meio de inferência global entre regiões, a partir de cinco regiões de origem na Ásia-Pacífico. O GPT-6 Astra está disponível a partir da região Ásia-Pacífico (Singapura), informou a empresa em uma publicação no blog de aprendizado de máquina da AWS publicada em 12 de outubro de 2026.

A publicação é um guia de configuração para equipes na Tailândia, na Malásia, em Singapura, na Indonésia e em Taiwan. Ela aborda como fazer a chamada, configurar as permissões e monitorar a inferência a partir da região de origem. A AWS apresenta os perfis como uma solução para a inferência em uma única região, que, segundo a empresa, pode sofrer limitações quando a demanda excede a capacidade local.

Perfis globais de inferência entre regiões

Três IDs de perfil estão listados no bedrock-runtime Os usuários podem acessar GPT-6 Sol e GPT-6 Luna por meio de global.openai.gpt-6-sol e global.openai.gpt-6-luna nas regiões Ásia-Pacífico (Singapura) ap-southeast-1, Ásia-Pacífico (Jacarta) ap-southeast-3, Ásia-Pacífico (Malásia) ap-southeast-5, Ásia-Pacífico (Tailândia) ap-southeast-7 e Ásia-Pacífico (Taipé) ap-east-2. O GPT-6 Astra pode ser acessado por meio de global.openai.gpt-6-astra apenas em Singapura. As regiões de destino são as regiões comerciais da AWS compatíveis nas quais cada modelo está implantado, e o console do Amazon Bedrock lista os três perfis entre os perfis de inferência definidos pelo sistema.

Na inferência global entre regiões, o usuário informa um ID de perfil em vez de um ID de modelo. A região de origem é aquela em que a chamada à API é feita; o Amazon Bedrock seleciona a região de destino para o processamento; e o faturamento, o acompanhamento de cotas, o AWS CloudTrail e o Amazon CloudWatch permanecem na região de origem. A AWS descreve esse arranjo como uma forma de oferecer amplo acesso à capacidade do Amazon Bedrock em todas as regiões.

A AWS caracteriza os três modelos de acordo com a carga de trabalho: o GPT-6 Sol é voltado a raciocínio e programação em tarefas complexas; o GPT-6 Luna, a tarefas focadas e repetíveis em grande volume; e o GPT-6 Astra, a raciocínio complexo, programação e trabalho com documentos longos. Segundo a publicação, os três aceitam entradas de texto e imagem, uso de ferramentas no lado do cliente e armazenamento em cache de prompts. Eles diferem quanto ao nível de esforço de raciocínio: o Sol e o Luna aceitam configurações de none a max, enquanto o Astra aceita os mesmos níveis, exceto none.

Formas de acesso e clientes de programação

Cada modelo oferece três formas de acesso no bedrock-runtime: a API Converse do Amazon Bedrock, a API Responses da OpenAI e a API Chat Completions da OpenAI. As APIs compatíveis com a OpenAI são chamadas por meio de /openai/v1 endpoints, em vez de pelos SDKs da AWS, e aceitam autenticação com assinatura Signature Version 4 ou uma chave de API do Amazon Bedrock. Em todos os casos, o ID do perfil é informado como parâmetro do modelo.

Os pré-requisitos incluem uma identidade do IAM com permissão para invocar o perfil, uma região de origem ativada (Singapura está habilitada por padrão, enquanto Jacarta, Malásia, Tailândia e Taipé são regiões de adesão opcional que precisam ser ativadas primeiro) e uma versão atual do AWS SDK ou da CLI. Os exemplos compatíveis com a OpenAI também exigem o SDK da OpenAI e o gerador de tokens do Amazon Bedrock. Para equipes que estão migrando um cliente OpenAI existente, a publicação recomenda definir o parâmetro do modelo em cada solicitação, usar os tipos de ferramenta compatíveis (function, mcp, custom, namespace, e tool_search) e configurar diretamente o ID do perfil de inferência, em vez de consultar o endpoint de modelos.

O aplicativo para computador do ChatGPT e a CLI do Codex usam o mesmo arquivo de configuração, então uma única alteração atende aos dois. Dos dois provedores integrados do Amazon Bedrock, apenas amazon-bedrock-runtime aceita um perfil de inferência, e a assinatura SigV4 dispensa uma chave de API que precise ser substituída. O Codex informa uma janela de contexto de 272.000 tokens para esses perfis, que, segundo a AWS, é um valor próprio incluído no Codex, e não um limite do serviço; ela pode ser ampliada com a model_context_window configuração. A configuração exige o Codex CLI 0.148 ou posterior.

Permissões, cotas e monitoramento

A invocação de qualquer um dos três modelos por meio de um perfil global exige quatro declarações de política do IAM: acesso ao perfil de inferência e ao recurso de projeto/padrão na região de origem; acesso ao modelo de base na região de origem, limitado ao perfil; o ARN do modelo de base independente de região, com aws:RequestedRegion definido como unspecified para permitir o roteamento entre regiões; e bedrock:CallWithBearerToken As chamadas de streaming acrescentam bedrock:InvokeModelWithResponseStream às três primeiras declarações.

Uma solicitação global entre regiões não inclui o nome de uma região, então o Amazon Bedrock define aws:RequestedRegion como unspecified e uma política de controle de serviço com uma lista de permissões de regiões nega a chamada, exibindo um erro que informa apenas o tipo de política. A publicação identifica esse problema como um motivo comum para a falha da primeira chamada em uma conta empresarial. Em vez de ampliar a lista de permissões, a AWS recomenda limitar a exceção usando a bedrock:InferenceProfileArn chave de condição, que o Amazon Bedrock preenche durante a autorização; adicionar unspecified à lista de permissões funciona, mas abre a mesma exceção para todos os outros serviços.

Para a detecção automatizada de abuso offline, o tráfego sinalizado pelo classificador é retido pela AWS por até 30 dias e processado programaticamente. Com a inferência entre regiões, essa retenção ocorre na região de destino, que, no caso de um perfil global, é qualquer região comercial compatível em que o modelo esteja implantado. Os clientes elegíveis podem solicitar retenção zero de dados completa por meio da equipe de contas da AWS, e a publicação recomenda que as organizações com requisitos de residência de dados envolvam as equipes de risco e conformidade desde o início.

As cotas do GPT-6 em bedrock-runtime são medidas em tokens por minuto em relação à região de origem. Os tokens de entrada e de gravação em cache contam na proporção de um para um, enquanto cada token de saída consome 10 tokens da cota; o exemplo da publicação esgota 12.000 tokens em uma solicitação com 2.000 tokens de entrada e 1.000 tokens de saída. O Amazon Bedrock reserva o valor total max_tokens antecipadamente, e uma única cota abrange InvokeModel, Converse, Responses e Chat Completions. A AWS recomenda solicitar aumentos antes da entrada em produção e configurar alertas para EstimatedTPMQuotaUsage no namespace AWS/Bedrock, quando o uso atingir 70–80% da alocação.

As métricas do CloudWatch, os eventos do CloudTrail, os registros de invocação do modelo, a contabilização das cotas e o faturamento permanecem na região de origem, e os clientes pagam as tarifas dessa região, e não as da região de processamento. A AWS documenta os destinos de um perfil global como suas regiões comerciais, sem enumerá-los, e a GetInferenceProfile API retorna os ARNs do modelo independentes de região e da região de origem, em vez de uma lista de destinos. O registro de processamento por solicitação fica additionalEventData.inferenceRegion no CloudTrail, na região de origem.

A inferência nesse endpoint é um evento de gerenciamento, registrado por padrão sem custo adicional, e o Histórico de eventos do CloudTrail retém os dados por 90 dias; portanto, períodos mais longos exigem uma trilha ou o registro de invocações do modelo. Quando os desenvolvedores acessam o GPT-6 por meio de um agente de programação, o CloudWatch Coding Agent Insights oferece painéis prontos para uso em GenAI Observability, que detalham o uso de tokens por usuário, equipe e centro de custos, enquanto os agentes emitem métricas nativamente via OpenTelemetry.