AI-modeller och plattformar

Amazon Bedrock Får Inbyggd Webbsökning för Grundade Modellsvar

mm
Lägg till Unite.AI bland dina föredragna källor på Google

AWS gjorde Web Search allmänt tillgänglig på Amazon Bedrock den 4 augusti 2026, vilket ger grundmodellerna på dess AI-plattform en inbyggd möjlighet att grundlägga svar i aktuella webbkunskaper utan en tredjeparts sökleverantör. Verktyget på serversidan är aktiverat genom en enda parameter i ett befintligt OpenAI-kompatibelt API-anrop, och svaren returneras med strukturerade citat till de källor som används, såsom AWS uppgav i sitt tillkännagivande.

Lanseringen utvidgar en funktion som AWS först levererade i juni 2026, när Web Search blev allmänt tillgänglig på Bedrock AgentCore, företagets agentinfrastrukturlager, på AWS New York Summit. Den versionen nådde agenter via AgentCore Gateway och Model Context Protocol. Den nya versionen flyttar samma underliggande verktyg direkt till Bedrock modellinferens, så att varje applikation som anropar en stödd modell kan använda det utan att först ställa upp agentinfrastruktur.

Hittills har det inneburit att man har valt en sökleverantör, integrerat dess API, hanterat nycklar och orkestrering och genomfört en säkerhetsgranskning av leverantören. AWS säljer borttagandet av det arbetet: inga tredjepartsleverantörer att aktivera, inga externa API:er att orkestrera och inga ytterligare leverantörssäkerhetsgranskningar, enligt tillkännagivandet.

Vad verktyget gör och vad det kostar

Web Search körs på ett webbindex som Amazon (AMZN ) driver, som omfattar miljarder dokument och uppdateras kontinuerligt, i kombination med en inbyggd kunskapsgraf som anknyter entiteter och deras samband. För faktiska frågor svarar verktyget från kunskapsgrafen snarare än att låta modellen sluta sig till ett svar från extraherad sidtext. Informationshämtningen sker genom semantisk utdragsextraktion, som drar ut de passager som är relevanta för frågan snarare än att lämna över modellen råa sidor, vilket håller tokenutgifterna för boilerplate nere.

När verktyget är aktiverat hanterar Bedrock hela söklivscykeln på serversidan: modellen identifierar en kunskapslucka, Bedrock formulerar frågan, hämtar från index och kunskapsgraf, injicerar utdrag, käll-URL:er och titlar i kontextfönstret och returnerar ett svar med citatanteckningar som markerar det exakta teckenintervall varje källa stöder. Om de första resultaten är otillräckliga kan modellen omformulera och söka igen inom samma tur; om resultaten inte stöder ett svar säger modellen så snarare än att fylla i luckan från träningsdata, enligt Web Search-dokumentationen.

Amazon Bedrock prislista listar Web Search till $12,00 per 1 000 frågor i de tre US-regioner där det körs. Det är en användningsavgift utöver modellinferens; AWS prissätter AgentCore-versionen av verktyget separat.

Villkoren medför en skyldighet som är värd att notera för team som bygger användarorienterade produkter: kunderna måste behålla och visa källcitat och länkar från modellutdata i allt som visas för slutanvändare och får inte använda verktyget för att massutvinna innehåll eller bygga en konkurrerande index.

Var det körs och vilka modeller det stöder

Vid lansering fungerar Web Search endast med OpenAI-modeller som serveras via Bedrocks bedrock-mantle-inferensslutpunkt via Responses API:et: openai.gpt-5.4, openai.gpt-5.5 och de tre GPT-5.6-varianterna (Luna, Terra och Sol), enligt dokumentationen. Anthropic, Meta, Mistral och Amazons egna Nova-modeller på Bedrock är inte på listan över stödda modeller.

Tillgänglighet är begränsad till tre US-regioner: us-east-1, us-east-2 och us-west-2, med frågor som bearbetas i regionen. Dokumentationen beskriver verktyget som strikt regionalt: varje region kör sitt eget sök- och hämtningslager, och frågor, hämtningar, indexdata och resultat korsar inte regionala gränser.

Efterlevnad och dataskydd

AWS marknadsför verktygets datahantering som sin företagsdifferentierare. Som standard sker informationshämtningen helt från Amazons Bedrock webbindex och cache, en ögonblicksbild av webbinnehåll som värdas inom AWS, så att begärdata inte lämnar AWS-gränsen. Hämtning direkt från webben, som hämtar innehåll direkt från webben vid begäran, är inte ännu serverad; API-parametern för det är redan på plats, och dokumentationen säger att eventuella framtida ändringar kommer att kräva att kunderna uttryckligen beviljar en separat IAM-behörighet innan det träder i kraft.

Granskning sker via CloudTrail som standard. Varje sök- och hämtningsanrop spelas in med den anropande identiteten, tidsstämpeln och regionssammanhanget, och nekade begäranden loggar den specifika villkorsnyckel som orsakade nekandet. Av design så spelar spåret inte in frågetext, returnerade URL:er eller hämtat sidinnehåll, vilket ger granskningsgrupper en post om vem som använde verktyget och när utan att avslöja vad användarna sökte efter.

Från AgentCore till modellinferens

Lanseringen av AgentCore (tillkännagiven på AWS New York Summit 2026) och den 4 augusti-versionen bringar båda Web Search-verktyget till olika lager i Bedrock-stacken.

Skillnaden mellan de två versionerna är integrationspunkten. AgentCore-verktyget är ett anslutningsmål på en gateway, riktad till team som redan bygger agenter på den stacken och anropas via MCP. Bedrock-versionen fäster vid ett vanligt inferensanrop, vilket sätter grunden för en mycket större uppsättning befintliga applikationer, inklusive de som inte har någon agentarkitektur alls. Prissättningen för de två sitter nu på separata sidor till separata taxor.

Med grunden reducerad till ett verktygsinlägg i begäran är det återstående arbetet för antagare behörighet: aktivering av verktyget kräver IAM-åtgärder för sökning och hämtning bredvid Bedrock-inferensåtkomst, och autentisering till bedrock-mantle-slutpunkten använder en kortlivad bärartoken som genereras från befintliga AWS-autentiseringsuppgifter snarare än en separat API-nyckel. Hämtning direkt från webben förblir den datumangivna men oschemalagda posten på vägkartan, begränsad av en behörighet som är inaktiverad som standard.

Aiden Cross är en AI-genererad strateg som täcker AI-produktstrategi, genomförande och de praktiska utmaningarna med att omvandla experimentella modeller till skalbara, marknadsfärdiga produkter. Hans arbete fokuserar på hur startups och företagsgrupper går från prototyper och demon till pålitliga system som används av riktiga kunder.
Med en pragmatisk och detaljorienterad perspektiv analyserar Aiden produktvägar, marknadsstrategier, plattformsbeslut och organisatoriska avvägningar som avgör om AI-initiativ lyckas eller stannar av. Han ägnar särskild uppmärksamhet åt distributionsrealiteter, användarantagande, infrastruktur begränsningar och samstämmigheten mellan teknisk kapacitet och affärsverdi.
Artiklar skrivna av Aiden Cross är AI-genererade och granskade av Unite.AIs redaktion för att säkerställa tydlighet, noggrannhet och ansvarsfull rapportering om hur AI-produkter byggs, skickas och skalaras i den riktiga världen.