跳到正文
原文
AWS Machine Learning Blog· Aamna Najmi·· 16 天前精选AI 评分77

Claude Opus 5.5 已在 Amazon Bedrock 上线

Claude Opus 5.5 is now available on AWS

AI 导读

Claude Opus 5.5 已在 Amazon Bedrock 和 Claude Platform on AWS 上线。相比 Opus 5，它用更少 token 完成任务且单价与缓存读取更便宜，平均单任务成本更低，并首次为 Opus 系列加入生物、网络安全和 AI 发展领域的安全分类器。模型支持自适应思考，可通过 Bedrock 控制台或相关 API 调用，覆盖多个地理区域的推理配置。

推荐理由

AWS 官方博客给出了 Opus 5.5 的效率与成本优势说明，并附 Bedrock 调用示例，便于开发者评估部署价值。

正文 · AI 翻译

今天，我们很高兴地宣布推出 Claude Opus 5.5，可在 Amazon Bedrock 和 Claude Platform on AWS 上使用，这是 Claude 5.5 模型系列中的首个模型。Claude Opus 5.5 是 Anthropic 最强大的 Opus 模型，适用于代理式编码、知识工作和长时间运行的任务。

本文介绍了 Claude Opus 5.5 的改进、实用指南，以及如何在 Amazon Bedrock 上使用该模型进行构建。

Claude Opus 5.5 有何不同

根据 Anthropic 的说法，Claude Opus 5.5 相比 Claude Opus 5 能用更少的 token 完成更多工作，新的定价将这些收益直接传递给客户。更低的每 token 价格和更便宜的缓存读取叠加在效率提升之上。结果是每个任务的平均成本低于 Claude Opus 5，因此团队可以大规模运行更雄心勃勃的代理工作。

Claude Opus 5.5 经过训练，能够更清晰地沟通。在工作中，它会展示自己做了什么、发现了什么以及需要什么，使长时间运行的任务更容易跟踪。自适应思考始终开启，Opus 5.5 会决定每个任务需要多少推理。您可以使用 effort 作为控制，而不是手动思考预算。

Claude Opus 5.5 是第一款带有安全分类器的 Opus 模型，类似于 Claude Fable 5.1 在生物学、网络安全和 AI 开发方面的分类器。与之前的 Opus 版本相比，请求被拒绝的频率会更高。

使用场景

Claude Opus 5.5 的功能非常适合那些注重一致性和深度的行业。在软件开发中，Opus 5.5 相比 Opus 5 在更长时间的会话中提供了更清晰的沟通和可解释性，使其更易于使用、审查和信任。对于知识工作，它在处理长文档和报告时需要的更正更少，相比 Opus 5 有显著改进。

在 Amazon Bedrock 上开始使用 Claude Opus 5.5

要试用 Claude Opus 5.5，请打开 Amazon Bedrock 控制台，选择 测试，然后选择 Playground，并选择 Claude Opus 5.5 作为模型。然后，您可以直接向其运行提示。

图 1：在 Amazon Bedrock 控制台 Playground 中选择 Anthropic Claude 模型

图 2：在 Amazon Bedrock 控制台 Playground 中对 Claude 模型运行提示

通过编程方式，您可以使用 Anthropic Messages API 调用模型，针对 bedrock-runtime 和 bedrock-mantle（通过 Anthropic SDK）。您也可以继续使用 Invoke 和 Converse API，在 bedrock-runtime 上通过 AWS Command Line Interface (AWS CLI) 和 AWS SDK 进行操作。

前提条件

  1. 具有 Amazon Bedrock 访问权限的有效 AWS 账户。
  2. 已安装并配置 AWS Command Line Interface (AWS CLI)。
  3. Python 3.10+。
  4. 已安装 Boto3：pip install boto3。
  5. 已安装 Anthropic SDK：pip install anthropic。
  6. 已安装用于 Amazon Bedrock 身份验证的 Amazon Bedrock Token Generator：pip install aws_bedrock_token_generator。
  7. AWS Identity and Access Management (IAM) 权限：bedrock:InvokeModel 和 bedrock:InvokeModelWithResponseStream。

以下是一个使用 AWS SDK for Python (Boto3) 的快速示例：

import boto3
import json

# Create a Bedrock Runtime client
bedrock_runtime = boto3.client(
    service_name="bedrock-runtime",
    region_name="us-east-1"
)

# Invoke Claude Opus 5.5
response = bedrock_runtime.invoke_model(
    modelId="global.anthropic.claude-opus-5-5",
    contentType="application/json",
    accept="application/json",
    body=json.dumps({
        "anthropic_version": "bedrock-2023-05-31",
        "max_tokens": 4096,
        "messages": [
            {
                "role": "user",
                "content": "An S3 bucket serves 40 TB/month egress. Estimate the monthly egress cost at $0.09/GB, and state one architecture change to cut it. Show the calculation, keep it under 120 words."
            }
        ]
    })
)

result = json.loads(response["body"].read())
# Opus 5.5 is a reasoning model: the response may include a thinking block
# before the text block, so select the text block rather than a fixed index.
print(next(b["text"] for b in result["content"] if b["type"] == "text"))

您也可以使用 Amazon Bedrock Converse API 获得统一的多模型体验：

import boto3

# Create a Bedrock Runtime client
bedrock_runtime = boto3.client(
    service_name="bedrock-runtime",
    region_name="us-east-1"
)

# Invoke Claude Opus 5.5
response = bedrock_runtime.converse(
    modelId="global.anthropic.claude-opus-5-5",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "text": "Can you explain the features of Amazon Bedrock?"
                }
            ]
        }
    ],
    inferenceConfig={
        "maxTokens": 4096
    }
)

if 'output' in response:
    blocks = response['output']['message']['content']
    print('\n'.join(b.get('text', '') for b in blocks if 'text' in b))

您也可以通过 anthropic SDK 包使用 Anthropic Messages API 获得简化的体验：

from anthropic import Anthropic
from aws_bedrock_token_generator import provide_token

token = provide_token(region="us-east-1")

client = Anthropic(
    base_url="https://bedrock-runtime.us-east-1.amazonaws.com/anthropic",
    api_key=token,
)

# Invoke Claude Opus 5.5
response = client.messages.create(
    model="global.anthropic.claude-opus-5-5",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}],
)
print(response)

您可以浏览 入门笔记本 获取更多示例。您可以通过 Amazon CloudWatch 和 AWS Cost Explorer 监控使用情况、性能和成本，并根据需求增长扩展应用程序。

可用性

Claude Opus 5.5 现已在 Amazon Bedrock 上通过美国 Geo CRIS (us.)、欧盟 Geo CRIS (eu.)、澳大利亚 Geo CRIS (au.)、日本 Geo CRIS (jp.) 和全球 CRIS (global.) 推理配置文件在 bedrock-runtime 上提供。该模型也运行在美国东部（弗吉尼亚北部）区域 (us-east-1)、亚太东南部（墨尔本）区域 (ap-southeast-4)  的 bedrock-mantle 上。

请参阅 Amazon Bedrock 文档 获取支持的区域的完整列表。有关定价信息，请参阅 Amazon Bedrock 定价。它也可通过 AWS 上的 Claude Platform 在北美使用。

在 Amazon Bedrock 控制台、AWS 上的 Claude Platform 中试用 Claude Opus 5.5，或探索 GitHub 上的 入门笔记本。

关于作者

Aamna Najmi

Aamna Najmi

Aamna 是生成式 AI 的高级专家解决方案架构师，专注于 Anthropic 模型以及如何在 Amazon Bedrock 上大规模运营和管理生成式 AI 系统。她帮助独立软件供应商解决挑战、拥抱创新，并通过 Amazon Bedrock 创造新的商业机会。

Dani Mitchell

Dani Mitchell

Dani 是 AWS 的高级 GenAI 专家解决方案架构师，也是 Amazon Bedrock Knowledge Bases 的 SA 负责人。他帮助全球企业使用 Amazon Bedrock 和 Anthropic 的模型与功能设计和部署生成式 AI 解决方案，以构建可扩展、生产就绪的应用程序。

Sofian Hamiti

Sofian Hamiti

Sofian 是一位技术领导者，拥有超过 12 年构建 AI 解决方案的经验，并领导高绩效团队以最大化客户成果。他热衷于赋能多样化人才以推动全球影响力并实现他们的职业抱负。

Eugenio Soltero

Eugenio Soltero

Eugenio 是 AWS 上 Amazon Bedrock 的高级产品营销经理。凭借多年的生成式 AI 经验，他帮助客户驾驭基础模型和生成式 AI 不断演变的格局，以采用能够带来可衡量价值的解决方案。

来源：AWS Machine Learning Blog · aws.amazon.com

#模型发布#Anthropic#Agent