AWS, 28 Eylül 2026'da sona eren hafta boyunca yapay zekâ hizmetleri ve altyapı araçlarından oluşan bir dizi ürünü ekosistemine kattı. Bu yaklaşım, her durumda mevcut en büyük modeli kullanmak yerine zekâ, maliyet ve yanıt süresine göre her görev için uygun modelin seçilmesine odaklanıyor.
Amazon Bedrock üzerinden yeni modeller
Amazon Bedrock, OpenAI'nin GPT-6 Sol ve GPT-6 Luna modellerini kullanıma sundu. GPT-6 Sol; geliştirme çalışmalarını, tekrarlanan ve karmaşık operasyonları hedeflerken GPT-6 Luna, büyük hacimlerde çalıştırıldığında belirli ve tekrarlanabilir görevlere odaklanıyor. AWS, iki modelin önceki GPT-5.6 modellerine kıyasla belirgin biçimde daha düşük fiyatlarla sunulduğunu belirtiyor.
Anthropic'in Claude Opus 5.5 modeli de Bedrock üzerinden kullanıma sunuldu ve Claude 5.5 ailesinin ilk modeli oldu. Modelin, Claude Opus 5'e kıyasla daha az sayıda token kullanarak daha fazla görevi yerine getirmesi ve aracı tabanlı programlama ile uzun süre çalışan görevlere göre ayarlanmış olması bekleniyor.
Uygulamaları ve aracıları tek bir alanda izleme
AWS, yapay zekâ uygulamalarını ve aracılarını tek bir işbirliğine dayalı deneyim içinde izlemek için Amazon CloudWatch Omni hizmetini başlattı. Hizmet OpenTelemetry'ye dayanıyor; bu sayede mevcut ölçüm verileri yeniden yapılandırma yapılmadan görüntülenebiliyor. Ayrıca kurumsal tek oturum açma ile tek bir adres üzerinden erişim sağlıyor ve konsola doğrudan giriş izinlerine ihtiyaç bırakmıyor.
CloudWatch Omni, hizmetleri otomatik olarak tanıyor ve bağımlılıklarını birbirine bağlıyor. Ayrıca sinyalleri ilişkilendirmek ve arızaların kök nedenlerini izlemek için AWS DevOps Agent'ı inceleme oturumlarına entegre ediyor.
Çıkarım ve olay tabanlı mimaride pratik değişiklikler
AWS ayrıca Amazon EKS için tek bir yönetilen eklenti olarak dağıtılan ve uygulamada değişiklik gerektirmeyen, Kubernetes'e özgü bir yönlendirme katmanı olan Amazon SageMaker HyperPod Inference Gateway'i tanıttı. Bu katman, geleneksel round-robin dengelemesi yerine KV cache bellek kullanımı, kuyruk uzunluğu, prefix cache isabet başarısı ve beklenen yanıt süresi gibi anlık sinyallere göre istekleri yönlendiriyor. AWS, bunun farklı donanım ve kesintili iş yükleri içeren senaryolarda ilk token'a ulaşma süresini %82'ye kadar azalttığını belirtiyor. Katman, vLLM ve SGLang dâhil OpenAI ile uyumlu model sunucularını destekliyor.
Amazon EventBridge'de artık AWS RAM aracılığıyla kurumun hesapları arasında ortak bir merkezi olay veri yolu oluşturulabiliyor. Buna olayları sıralama, içeriğe dayalı yinelemeleri kaldırma ve AWS Lambda gibi hedefleri eş zamanlı olarak çağırma seçenekleri de ekleniyor. Yeni Subscriber kaynağı filtreleme politikalarını, hedefleri ve yeniden denemeyi bir araya getirirken ingress/egress fiyatlandırma modeli, birden fazla veri yolu kullanan mimarilerde hesaplar arasındaki birikimli yönlendirme ücretlerinin yerini alıyor. Mevcut veri yolları “classic” veri yolları olarak çalışmaya devam ediyor.
Pratikte ne değişiyor?
Bu duyurular, model listesinin genişletilmesini ve bunları çevreleyen operasyonel katmanların iyileştirilmesini bir araya getiriyor. Pratik değer yalnızca ek modellerin kullanıma sunulmasıyla sınırlı değil; model seçimi artık görevin maliyeti ve süresiyle daha yakından ilişkilendiriliyor. CloudWatch Omni ve Inference Gateway ise iki doğrudan operasyonel sorunu hedefliyor: sistemlerin ve aracıların davranışını anlamak ve heterojen iş yükleri altında çıkarım gecikmesini azaltmak.
AWS ayrıca AWS MCP Server aracılığıyla Amazon SES ve AWS End User Messaging için yapay zekâ aracı becerilerini başlattı. Bu beceriler; gönderim kimliğini doğrulama, üretim e-postası gönderme ve kartlar ile düğmeler taşıyan bir RCS aracısı oluşturma gibi görevlerde programlama aracılarını yönlendirmeyi amaçlıyor. Bu beceriler Claude Code, Codex, Cursor ve Kiro ile çalışıyor.
Strands Agents ekibi, yerel olarak çalıştırılabilen veya herhangi bir yerde dağıtılabilen ve Apache 2.0 lisansı kapsamında sunulan genel amaçlı bir aracı çerçevesi olan Strands harness'i duyurdu. Çerçeve Amazon Bedrock, Anthropic, OpenAI, Google ve Ollama modellerini destekliyor. Ayrıca bağlam önbelleğe almayı yönetmek, araç sonuçlarını küçültmek ve çalıştırmalar arasında belleği korumak için ayarlar içeriyor. Ekibe göre aynı modeller üzerinde benzer çerçevelere kıyasla maliyeti yaklaşık %28 daha düşük olurken doğruluğu koruyor; ancak bu sonuç ekip tarafından öne sürülen bir iddia olmaya devam ediyor ve bağımsız doğrulama gerektiriyor.