Bedrock 接入 GPT 系列模型：一个 API 调所有大模型的时代真来了
上个月亚马逊云科技在 "What's Next with AWS 2026" 上宣布了一个大动作——把 GPT 系列模型引入 Amazon Bedrock。
这意味着什么？意味着你用一套 Bedrock API，可以调 Claude、Llama、Nova、GPT 全家桶。不用再管每个模型厂商的 API 格式差异、不用分别充值、不用维护多套鉴权。一个 IAM Role 搞定所有。
对于已经在 Bedrock 上跑业务的团队来说，多了个模型选择而已，代码几乎不用改。这才是平台的价值。
具体引入了什么
根据官方公告，进入 Bedrock 的模型包括：
| 模型 | 定位 | 状态 |
|---|---|---|
| GPT-5.5 | 通用对话/推理 | Limited Preview |
| Codex | 代码生成/理解 | Limited Preview |
| Managed Agents | Agent 编排 | Preview |
这些模型在 Bedrock 里和其他模型（Claude、Nova、Llama）是平级的，调用方式完全一样。
为什么这事儿重要
之前用大模型做业务，最头疼的问题之一就是——你得同时维护好几套 API。
Claude 走 Anthropic API 或者 Bedrock，GPT 走 OpenAI API，Llama 要么自己部署要么走 Bedrock。每个 API 格式不一样、鉴权不一样、计费不一样、限流策略不一样。
现在全部统一到 Bedrock 之后：
- 一套代码切换模型 — 改个 modelId 参数就行
- 统一 IAM 权限控制 — 谁能用什么模型、配额多少，全用 IAM Policy 管理
- 统一计费 — 一张 AWS 账单，不用管每个厂商的余额
- 统一可观测 — CloudWatch 看所有模型的延迟/错误/token 消耗
- 统一安全 — Bedrock Guardrails 对所有模型生效
快速上手
申请模型访问
# 查看可用模型列表
aws bedrock list-foundation-models \
--region us-east-1 \
--query "modelSummaries[?contains(modelId, 'openai')].{Id:modelId,Name:modelName,Status:modelLifecycle.status}"
# 输出示例：
# [
# {"Id": "openai.gpt-5-5-v1:0", "Name": "GPT-5.5", "Status": "ACTIVE"},
# {"Id": "openai.codex-v1:0", "Name": "Codex", "Status": "ACTIVE"}
# ]
如果是 Limited Preview 状态，需要先在控制台申请访问权限：
- Bedrock Console → Model access → 找到 GPT 系列 → Request access
调用方式
跟调 Claude 一模一样的 API：
import boto3
import json
bedrock_runtime = boto3.client('bedrock-runtime', region_name='us-east-1')
# 调用 GPT-5.5
response = bedrock_runtime.invoke_model(
modelId='openai.gpt-5-5-v1:0',
contentType='application/json',
accept='application/json',
body=json.dumps({
"messages": [
{"role": "system", "content": "你是一个专业的技术顾问。"},
{"role": "user", "content": "帮我设计一个高可用的消息队列方案"}
],
"max_tokens": 2048,
"temperature": 0.7
})
)
result = json.loads(response['body'].read())
print(result['choices'][0]['message']['content'])
流式调用
# 流式响应——适合聊天场景
response = bedrock_runtime.invoke_model_with_response_stream(
modelId='openai.gpt-5-5-v1:0',
contentType='application/json',
body=json.dumps({
"messages": [
{"role": "user", "content": "用 Python 写一个连接池管理器"}
],
"max_tokens": 4096,
"stream": True
})
)
for event in response['body']:
chunk = json.loads(event['chunk']['bytes'])
if 'choices' in chunk:
delta = chunk['choices'][0].get('delta', {})
if 'content' in delta:
print(delta['content'], end='', flush=True)
多模型对比
这是 Bedrock 统一 API 的核心优势——写一个函数，跑多个模型对比输出：
import time
MODELS = [
'anthropic.claude-3-5-sonnet-20241022-v2:0',
'openai.gpt-5-5-v1:0',
'amazon.nova-pro-v1:0',
'meta.llama3-1-70b-instruct-v1:0'
]
def compare_models(prompt, models=MODELS):
results = []
for model_id in models:
start = time.time()
try:
response = bedrock_runtime.invoke_model(
modelId=model_id,
contentType='application/json',
body=json.dumps({
"messages": [{"role": "user", "content": prompt}],
"max_tokens": 1024,
"temperature": 0.3
})
)
result = json.loads(response['body'].read())
elapsed = time.time() - start
# 统一提取输出（不同模型响应格式略有差异）
if 'choices' in result:
output = result['choices'][0]['message']['content']
elif 'content' in result:
output = result['content'][0]['text']
else:
output = str(result)
results.append({
'model': model_id,
'output': output,
'latency': f"{elapsed:.2f}s",
'tokens': result.get('usage', {})
})
except Exception as e:
results.append({'model': model_id, 'error': str(e)})
return results
# 跑一下对比
comparison = compare_models("用三句话解释 Kubernetes 的核心价值")
for r in comparison:
print(f"\n{'='*50}")
print(f"模型: {r['model']}")
print(f"延迟: {r.get('latency', 'N/A')}")
print(f"输出: {r.get('output', r.get('error', ''))}")
IAM 权限控制
可以精确控制谁能用什么模型：
{
"Version": "2012-10-17",
"Statement": [
{
"Sid": "AllowSpecificModels",
"Effect": "Allow",
"Action": [
"bedrock:InvokeModel",
"bedrock:InvokeModelWithResponseStream"
],
"Resource": [
"arn:aws:bedrock:us-east-1::foundation-model/anthropic.claude-*",
"arn:aws:bedrock:us-east-1::foundation-model/amazon.nova-*"
]
},
{
"Sid": "DenyExpensiveModels",
"Effect": "Deny",
"Action": "bedrock:InvokeModel",
"Resource": "arn:aws:bedrock:us-east-1::foundation-model/openai.gpt-5-5-v1:0",
"Condition": {
"StringNotEquals": {
"aws:PrincipalTag/team": "ml-research"
}
}
}
]
}
这样就能做到：普通开发者用 Claude 和 Nova（成本低），ML 研究团队可以额外用 GPT-5.5（成本高）。
Bedrock Guardrails 统一生效
安全护栏对所有模型一视同仁：
# 创建 Guardrail
bedrock = boto3.client('bedrock', region_name='us-east-1')
guardrail = bedrock.create_guardrail(
name='production-guardrail',
description='生产环境内容安全策略',
contentPolicyConfig={
'filtersConfig': [
{'type': 'SEXUAL', 'inputStrength': 'HIGH', 'outputStrength': 'HIGH'},
{'type': 'VIOLENCE', 'inputStrength': 'HIGH', 'outputStrength': 'HIGH'},
{'type': 'HATE', 'inputStrength': 'HIGH', 'outputStrength': 'HIGH'}
]
},
topicPolicyConfig={
'topicsConfig': [
{
'name': 'competitor-discussion',
'definition': '讨论竞争对手产品的优劣对比',
'type': 'DENY'
}
]
}
)
# 调用时指定 Guardrail——对 GPT/Claude/Nova 都生效
response = bedrock_runtime.invoke_model(
modelId='openai.gpt-5-5-v1:0',
contentType='application/json',
body=json.dumps({
"messages": [{"role": "user", "content": "对比一下各家云厂商的 GPU 实例"}],
"max_tokens": 1024
}),
guardrailIdentifier=guardrail['guardrailId'],
guardrailVersion='DRAFT'
)
不管底层用什么模型，Guardrails 都会拦截违规内容。这在企业场景里很重要——你不用担心换个模型就绕过了安全策略。
成本对比
统一平台后，可以按场景选性价比高的模型：
| 场景 | 推荐模型 | 大致成本(每百万token) |
|---|---|---|
| 简单分类/提取 | Nova Lite | ~$0.06 |
| 客服问答 | Claude 3 Haiku | ~$0.25 |
| 代码生成 | Codex | ~$1.50 |
| 复杂推理 | Claude 3.5 Sonnet | ~$3.00 |
| 创意写作 | GPT-5.5 | ~$5.00 |
用 Bedrock 的好处是切换成本为零——今天觉得 GPT-5.5 太贵，明天换成 Nova Pro 试试，改个参数就行。
我的判断
Bedrock 做的事情本质上是"模型中间件"——屏蔽底层差异，提供统一接口。
这对企业用户的价值很明确：不被任何一个模型厂商锁定。今天 Claude 效果好用 Claude，明天 GPT 降价了切 GPT，后天 Llama 开源新版本了试试 Llama。切换成本几乎为零。
GPT 进入 Bedrock 补上了一块拼图。之前 Bedrock 的短板就是没有 GPT 系列，有些客户因为这个原因不得不同时维护 OpenAI 的 API。现在不需要了。
相关链接：
- What's Next with AWS 2026 公告：https://aws.amazon.com/blogs/aws/top-announcements-of-the-whats-next-with-aws-2026/
- Amazon Bedrock 产品页：https://aws.amazon.com/bedrock/
- Bedrock 模型列表：https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html
浙公网安备 33010602011771号