AI w AWS - przegląd sierpnia 2026: GPT-5.6 tańszy o 80%, watermark w Claude i darmowy Skill Builder dla studentów

Drugi odcinek przeglądu. W lipcu Amazon wygaszał własne modele i przebudowywał konsolę Bedrocka, w sierpniu głównie ciął ceny i dowoził brakujące elementy: wektory w bazie, wyszukiwarkę dla modeli, rozliczenia dla agentów. Zasady doboru bez zmian - do przeglądu trafia to, po czym trzeba coś zrobić: przepiąć workload, przeliczyć budżet albo poprawić notatki przed egzaminem. Resztę z kilkuset sierpniowych ogłoszeń pomijam.

GPT-5.6 w Bedrocku staniał. Luna o 80%

Od 30 lipca 2026 obowiązują nowe stawki on-demand za modele OpenAI w Amazon Bedrock. Najmocniej staniała Luna, najmniejszy model rodziny GPT-5.6 (ogłoszenie AWS). W sierpniu AWS dociął też flagowego Sola - wejście o 20%, wyjście o jedną trzecią. Aktualne stawki on-demand, w USD za milion tokenów:

Luna za 0,20 USD wchodzi w przedział cenowy, w którym dotąd siedziały małe modele open-weight. Jeśli masz na niej klasyfikację, ekstrakcję danych albo automatyzację obsługi klienta, rachunek za tę część spada pięciokrotnie bez żadnej zmiany w kodzie - obniżka nalicza się sama.

Druga zmiana wokół tych samych modeli dotyczy skalowania i przyszła 17 sierpnia. W lipcu opisywałem, że modele OpenAI żyją na nowym endpoincie bedrock-mantle, a kodu wołającego bedrock-runtime zmiany nie dotyczą. Od teraz GPT-5.6 działa również na standardowym bedrock-runtime, z API Responses, Chat Completions i Converse. Aplikacja napisana pod Converse przechodzi więc na GPT podmianą identyfikatora modelu, tak samo jak między Claude a resztą katalogu.

Do tego GPT-5.6 dostał cross-Region inference, czyli mechanizm, którym Bedrock skaluje ruch ponad limity pojedynczego regionu. Wybierasz profil zamiast konkretnego regionu: geograficzny trzyma zapytania w obrębie jednej geografii, globalny kieruje je do dowolnego regionu z wolną mocą obliczeniową. W zamian dostajesz wyższą przepustowość w szczytach i około 10% niższą stawkę za token, a osobne profile dostały też Indie (Terra i Luna). Haczyk: profil globalny może obsłużyć Twoje zapytanie w dowolnym regionie komercyjnym, także poza Europą. Przy wymogach rezydencji danych zostań więc przy profilu geograficznym i oddaj te 10% - audytor nie przyjmie argumentu, że tak było taniej.

Dwie rzeczy ułatwiają tę rozmowę z działem bezpieczeństwa. Ruch między regionami idzie siecią AWS i nie wychodzi na publiczny internet, a w CloudTrail pole additionalEventData.inferenceRegion pokazuje, w którym regionie faktycznie wykonano każde zapytanie, więc rezydencję danych da się udowodnić z logów zamiast deklaracji. Jedna pułapka organizacyjna: jeżeli firma pilnuje regionów przez SCP, profil globalny wymaga dopuszczenia wartości "aws:RequestedRegion": "unspecified", bo nie da się go przypisać do konkretnego regionu.

Ile to jest milion tokenów po polsku

Stawki podaje się za milion tokenów i to liczba bez skali - nie wiadomo, czy taki milion wystarczy na tydzień, czy na rok. Policzyłem to na materiale, który mam pod ręką: wziąłem wszystkie 35 artykułów z tego bloga i przepuściłem je przez tokenizer o200k_base, tego samego używa rodzina GPT-5. Wyszło 71 823 słowa i 149 475 tokenów, czyli 2,08 tokena na jedno polskie słowo i 3,35 znaku na token.

Przeliczone na milion tokenów: to około 480 tysięcy polskich słów, czyli jakieś 1860 stron znormalizowanych albo 234 artykuły tej długości, co ten. Inaczej mówiąc, przepuszczenie całego mojego bloga przez Lunę kosztuje na wejściu 3 centy, a przez flagowego Sola około 60 centów.

Przy okazji wyszła rzecz, która zmienia rachunek: polski tokenizuje się wyraźnie gorzej niż angielski. To samo zdanie zajmuje po polsku 24 tokeny, a po angielsku 15. Angielskie cloud, search czy user to jeden token każde, a polska "chmura" rozpada się na trzy kawałki, "wyszukiwanie" na cztery:

Praktyczny wniosek: ta sama treść po polsku kosztuje mniej więcej 60% więcej niż po angielsku. Przy kilkuset zapytaniach dziennie to bez znaczenia. Przy obsłudze klienta na kilkadziesiąt tysięcy rozmów miesięcznie różnica robi się widoczna na rachunku i wtedy zaczyna się opłacać trzymanie długich promptów systemowych po angielsku, nawet jeśli model odpowiada użytkownikowi po polsku. Metodyka jest powtarzalna: pip install tiktoken, wczytujesz swój tekst i liczysz len(enc.encode(tekst)).

DynamoDB przeszukasz teraz wektorowo, także we Frankfurcie

5 sierpnia Amazon DynamoDB dostał natywne wyszukiwanie wektorowe. Embedding zapisujesz jako atrybut obok pozostałych pól rekordu, a zapytania o podobieństwo zwracają wyniki w pojedynczych milisekundach przy deklarowanym recall powyżej 99%. Embeddingi generujesz dowolnym modelem, w tym modelami z Bedrocka.

Praktyczna konsekwencja: do RAG-a i pamięci agenta przestaje być potrzebna osobna baza wektorowa. Dotąd typowy zestaw wyglądał tak - dane w DynamoDB, wektory w OpenSearch albo zewnętrznym Pinecone, do tego kod synchronizujący jedno z drugim. Teraz dokument i jego wektor mieszkają w tym samym rekordzie, znika cała klasa błędów z rozjechanych indeksów. Jeżeli dopiero wybierasz bazę pod projekt, porównanie DynamoDB z RDS i Aurorą opisałem w osobnym artykule.

Trzy rzeczy do sprawdzenia przed pierwszym uruchomieniem. Indeks wektorowy działa wyłącznie na tabelach w trybie on-demand, więc tabela z provisioned capacity go nie przyjmie. Samo wyszukiwanie to nowa akcja IAM dynamodb:SearchVectors, której nie ma w dotychczasowych politykach dających odczyt DynamoDB - rola z pełnym read accessem dostanie odmowę, dopóki jej nie dopiszesz. I rzecz, która potrafi zabrać pół dnia: zapytania SearchVectors idą na osobny endpoint wyszukiwania, własny dla tej operacji. W sieci z listą dozwolonych adresów albo za endpointem VPC tworzenie tabeli i zapisy przechodzą normalnie, a wywala się dopiero samo wyszukiwanie, i to błędem połączenia, który nie mówi, o co chodzi.

Web Search: model w Bedrocku sam sprawdzi internet

Od 4 sierpnia modele OpenAI w Bedrocku mogą przeszukiwać internet. Włącza się to jednym parametrem w wywołaniu API, wyszukiwanie wykonuje się po stronie AWS, a odpowiedź wraca ze strukturalnymi cytowaniami źródeł. Bez konta u zewnętrznego dostawcy wyszukiwania i bez sklejania tego własnym kodem. Pod koniec sierpnia doszedł parametr external_web_access, którym pozwalasz modelowi pobierać treść bezpośrednio z publicznych stron zamiast opierać się wyłącznie na indeksie wyszukiwarki.

Uwaga na nazewnictwo, bo łatwo się pogubić: w lipcu pisałem o Web Search w Bedrock AgentCore, czyli narzędziu dla agentów. Sierpniowa premiera działa poziom niżej - przy pojedynczym wywołaniu modelu, bez budowania agenta.

Koszt to 12 USD za 1000 zapytań, doliczane do tokenów. Brzmi niegroźnie, ale mechanizm bywa zdradliwy: o liczbie wyszukiwań decyduje model, nie Ty. Asystent, który dla jednego pytania użytkownika wykona pięć wyszukiwań, kosztuje 6 centów zanim zacznie liczyć tokeny. Przy tysiącach rozmów dziennie ta pozycja na rachunku urośnie szybciej niż inferencja na taniej Lunie.

Claude znakuje tekst: niewidoczny watermark w nowych modelach

11 sierpnia Anthropic ogłosił, że modele Claude wypuszczane od 2 sierpnia 2026 osadzają w generowanym tekście niewidoczny znak wodny (opis mechanizmu u Anthropic). Znak niczego do treści nie dokleja - model statystycznie przechyla dobór słów według klucza trzymanego przez Anthropic. Pojedyncze zdanie wygląda zwyczajnie, dopiero na dłuższym tekście wzorzec robi się wykrywalny. Znak przeżywa kopiowanie i wklejanie, a Anthropic zapowiada publikację szczegółów technicznych, żeby detekcję mogły robić też narzędzia stron trzecich. Powodem jest artykuł 50 unijnego AI Act, który wymaga oznaczania treści generowanych maszynowo, ale znakowanie obejmie użytkowników na całym świecie.

Stan na dziś w Bedrocku: cały obecny katalog Claude, z Opusem 5 włącznie, pisze bez znaku, bo watermark dotyczy modeli wypuszczonych po 2 sierpnia. Wejdzie z kolejnymi premierami. Jeśli generujesz przez Bedrock treści, które publikujesz pod własną marką, przetestuj nowe modele przed migracją zamiast podmieniać identyfikator w ciemno, jak przy zwykłej aktualizacji.

Dwa zastrzeżenia, zanim ktoś zbuduje na tym politykę firmową albo uczelnianą. Wykryty znak mówi tyle, że tekst przeszedł przez Claude'a - złapie też akapit napisany przez człowieka, który poprosił model o korektę albo tłumaczenie. Z kolei brak znaku niczego nie dowodzi, bo starsze modele i konkurencja piszą bez podpisu. Do rozstrzygania o autorstwie ten mechanizm się nie nadaje i Anthropic mówi to wprost.

Katalog Bedrocka: Grok 4.6, Daybreak i agenci z portfelem

19 sierpnia do Bedrocka wszedł Grok 4.6, pozycjonowany pod długo działających agentów i pracę z materiałem wizualnym. Ciekawostka w nazewnictwie: AWS podaje dostawcę jako SpaceXAI, ale identyfikator modelu pozostał xai.grok-4.6. Model działa z API Responses, Chat Completions i Converse, w profilu amerykańskim i globalnym. Po lipcowym wejściu całej rodziny GPT widać kierunek: katalog Bedrocka ma mieć każdego liczącego się dostawcę.

OpenAI uruchomił na Bedrocku Daybreak - program dostępu do modeli strojonych pod cyberbezpieczeństwo. Daybreak Blue na GPT-5.6 Sol obsługuje pracę defensywną: szukanie podatności, inżynierię detekcji, incident response. Jest też Daybreak Red na modelu GPT-5.6 Cyber. Dostęp wymaga kwalifikacji przez OpenAI lub zespół AWS, więc na razie to wiadomość głównie dla zespołów bezpieczeństwa w większych organizacjach.

W AgentCore dwie premiery. Runtime Instances to dedykowane instancje pod agentów - stała wydajność i przewidywalny koszt zamiast rozliczenia za wywołania. AgentCore Payments pozwala agentowi płacić za usługi przez Machine Payment Protocol, z gotową integracją Coinbase. Agent z własnym portfelem to nowa kategoria ryzyka budżetowego: zanim mu go dasz, ustaw limity wydatków. W SageMaker JumpStart wylądowała za to kolejna partia modeli open-weight, m.in. NVIDIA Nemotron 3.5, Gemma 4 i FLUX.2.

12 miesięcy Skill Buildera za darmo dla studentów

Ogłoszenie spoza katalogu modeli, ale w tym przeglądzie musi być, bo otwiera najkrótszą darmową drogę do certyfikatu z AI. AWS uruchomił program Student Rewards w Builder Center: student w wieku 18+ z akredytowanej uczelni, po weryfikacji statusu przez SheerID, dostaje 12 miesięcy płatnego planu AWS Skill Builder. Ten plan normalnie kosztuje 29 USD miesięcznie i zawiera ponad 900 kursów, laby praktyczne i materiały przygotowujące do egzaminów certyfikacyjnych. Program działa globalnie, polskie uczelnie się łapią.

Do tego dochodzą odznaki za aktywność w Builder Center - publikowanie, komentowanie, udział w społeczności. Progi nagród: 7 odznak to 10 USD kredytów AWS, 14 odznak - 20 USD, a 21 odznak wymienia się na voucher na egzamin poziomu Foundational, czyli Cloud Practitioner albo AI Practitioner. Regularna cena każdego z nich to 100 USD.

Składam to w całość: student ma rok materiałów egzaminacyjnych i podejście do egzaminu bez wydania złotówki. Jedyny koszt to czas na naukę i aktywność w społeczności. Czy AIF-C01 jest wart tego czasu i jak wygląda po kwietniowej zmianie zakresu, rozebrałem w analizie AI Practitionera.

Koniec miesiąca: agenci dostają książkę telefoniczną i jedną komendę

Ostatni tydzień sierpnia domknął wątek, który ciągnie się przez cały cykl. 24 sierpnia AWS pokazał Agent Registry w wersji preview, czyli firmowy katalog agentów i narzędzi z kontrolą dostępu przez IAM, zatwierdzaniem wpisów i wyszukiwaniem semantycznym. Ciekawsze jest to, że katalog mówi otwartym standardem ARD (Agentic Resource Discovery, licencja Apache 2.0). Specyfikację ogłosiła w czerwcu grupa firm z Google na czele, między innymi Microsoft, Nvidia, GitHub, Hugging Face i Salesforce. AWS dorzucił uwagi w trakcie prac, a teraz wspiera ją u siebie.

Podział ról jest prosty i warto go zapamiętać przed egzaminem: MCP opisuje, jak agent wywołuje narzędzie, a ARD, jak w ogóle je znajduje. ARD działa więc piętro wcześniej i pozwala federować katalogi między firmami, mniej więcej tak, jak DNS federuje nazwy w sieci. Dla polskiego zespołu znaczy to tyle, że agentów opisanych raz nie trzeba będzie przepisywać pod każdego dostawcę chmury.

Drugi drobiazg z 31 sierpnia jest natychmiast użyteczny. W lipcu opisywałem przycisk "Copy agent prompt" w konsoli Lambdy i Agent Toolkit for AWS, który uczy asystentów kodowania pracy z AWS. Teraz cała ta konfiguracja to jedna komenda w CLI: aws configure agent-toolkit. Podpina Kiro, Claude Code albo Cursor do AWS MCP Server, więc asystent przestaje zgadywać składnię sprzed trzech lat i pyta o realny stan konta. Z tej samej serii: SageMaker HyperPod obsługuje teraz Ray na klastrach orkiestrowanych przez EKS.

Wspólny mianownik: rachunek za AI to coraz mniej tokenów, coraz więcej dodatków

W lipcu pisałem, że stawki między modelami różnią się kilkudziesięciokrotnie i bez rozumienia token-based pricingu nie policzysz rachunku za Bedrock. Sierpień te widełki ścisnął - obniżki objęły całą rodzinę GPT, a Grok wszedł od razu z agresywną wyceną. Trend jest czytelny: sama inferencja tanieje u wszystkich dostawców naraz.

Równolegle na rachunku przybywa pozycji, które tokenami nie są: 12 USD za tysiąc wyszukiwań Web Search, dedykowane instancje Runtime Instances, płatności wykonywane przez agentów w AgentCore Payments. Szacując koszt systemu z agentem, licz trzy składniki osobno - tokeny, wywołania narzędzi i infrastrukturę. Ogólne zasady rozliczeń AWS, z Free Tier i pułapkami na start, opisuje przewodnik po cenniku AWS. Kolejny odcinek przeglądu wychodzi pod koniec września w kategorii Aktualności Cloud.

Co te zmiany oznaczają w praktyce