Wpis AWS Machine Learning Blog „ICYMI: What landed for AI builders in September 2026” opublikowano 9 października 2026 r. Podsumowuje on wrześniowe aktualizacje Amazon Bedrock, Amazon Bedrock AgentCore i Strands. AWS przedstawia zmiany jako dotyczące wyboru modeli, działania agentów oraz zarządzania bazami wiedzy. Czytane łącznie pokazują różne obszary prac: część ogłoszeń dodaje opcje modeli, inne opisują sposób uruchamiania agentów, a kolejne dotyczą planowego odświeżania danych wykorzystywanych przez bazy wiedzy.

Jest to podsumowanie opublikowane przez AWS, dlatego twierdzenia o dostępności i właściwościach produktów są opisem tej organizacji. Same w sobie nie dowodzą, że każda funkcja pasuje do każdego wdrożenia. Praktyczne znaczenie zależy od modeli, architektury agentów i źródeł danych używanych przez zespół. Wrześniowe zestawienie pokazuje jednak konkretnie, w jakich obszarach platforma została rozszerzona.

Zarządzani agenci i działanie środowiska

AWS informuje, że Amazon Bedrock Managed Agents, oparty na OpenAI, jest dostępny w publicznej wersji preview. Wpis mówi, że obsługuje modele OpenAI, a dane pozostają w AWS. Dla zespołów tworzących aplikacje agentowe są to dwa istotne elementy ogłoszenia: obsługa modeli oraz opis AWS dotyczący miejsca przechowywania danych. Ponieważ usługa jest w publicznym preview, informacja dotyczy dostępności na tym etapie, a nie ostatecznego statusu produktu.

Wpis opisuje również nowsze środowisko uruchomieniowe AgentCore. Według AWS zapewnia ono wydajniejsze zarządzanie pamięcią i mniejsze opóźnienie zimnego startu dla agentów bezserwerowych. Wspomniano także o rozliczaniu zgodnie z użyciem oraz sesjach, które w stanie bezczynności skalują się do zera. Te informacje dotyczą różnych aspektów działania: opóźnienie uruchomienia, wykorzystanie zasobów i zachowanie podczas bezczynności mogą mieć znaczenie przy planowaniu pracy agenta i kosztów.

Każdy z tych punktów odnosi się do innego elementu operacyjnego. Mniejsze opóźnienie zimnego startu dotyczy chwili uruchamiania agenta po okresie bezczynności. Wydajniejsze zarządzanie pamięcią odnosi się do wykorzystania zasobów środowiska. Skalowanie sesji do zera i rozliczanie za użycie opisują model pojemności oraz płatności przedstawiony przez AWS. Warto zatem czytać ogłoszenie jako zestaw powiązanych właściwości, a nie sprowadzać go do jednej miary wydajności: podsumowanie łączy zachowanie środowiska z tym, co dzieje się podczas nieaktywności.

Strands: narzędzia do budowy i podejmowania decyzji

W odniesieniu do Strands AWS opisuje open source’owy harness agentów, który według wpisu dorównuje popularnym harnessom pod względem dokładności, a jednocześnie wykorzystuje o 28 procent mniej tokenów. Porównanie obejmuje dwa różne kryteria: jakość w ujęciu podanego porównania dokładności oraz liczbę używanych tokenów. Wpis przedstawia harness jako opcję dla programistów, którzy chcą uwzględniać zarówno wyniki agenta, jak i jego zużycie tokenów.

Kolejną pozycją jest Strands Decider 2B, otwarty model decyzyjny z dwoma miliardami parametrów. AWS opisuje go jako model wybierający spośród wcześniej określonych opcji i lokalnie dostarczający odpowiedzi w około 115 milisekund. Istotnym kontekstem jest jego wskazana rola: wybiera on z opcji zdefiniowanych wcześniej. Czas dotyczy odpowiedzi lokalnych i został podany w przybliżeniu, a nie jako uniwersalna gwarancja dla każdego środowiska.

Te dwie pozycje dotyczą różnych części pracy nad agentami. Harness odnosi się do składania i uruchamiania logiki agenta, a Decider 2B odpowiada za wybór między opcjami. Podane liczby mogą pomóc w początkowej ocenie, ale same nie przesądzają o zachowaniu rozwiązania dla konkretnych danych wejściowych lub konfiguracji. AWS wymienia oba elementy wśród wrześniowych aktualizacji Strands.

Większy wybór modeli w Bedrock

AWS podaje, że modele Astra, Sol i Luna są ogólnie dostępne w Amazon Bedrock. W przypadku GPT-6 Astra wpis wymienia obsługę do 1 miliona tokenów wejściowych. GPT-6 Astra Ultrafast ma według AWS zapewniać w API do sześciu razy szybszą inferencję, z szybkością do 300 tokenów na sekundę. Ogłoszenie łączy więc informację o ogólnej dostępności z parametrami dotyczącymi pojemności wejścia i szybkości inferencji.

Wpis wymienia również Kimi K3 jako dostępny w Amazon Bedrock. Według AWS ma on okno kontekstu o wielkości 1 miliona tokenów, natywną obsługę wizji i wbudowane buforowanie promptów. Są to trzy odrębne cechy: rozmiar kontekstu, obsługa danych wizualnych oraz buforowanie promptów do ponownego użycia. Zespołom porównującym dostępne modele podsumowanie przedstawia te właściwości jako punkty odniesienia, a nie zalecenie jednego modelu do każdego zastosowania.

Większy wybór może mieć znaczenie dla zespołów rozważających różne modele w ramach tej samej platformy. Sam wpis nie zawiera niezależnych wyników testów ani wszystkich szczegółów potrzebnych dla konkretnego scenariusza. Wymienione pojemności i szybkości należy więc rozumieć jako informacje ogłoszone przez AWS. Miesięczne podsumowanie odnotowuje nowe możliwości, ale nie zastępuje oceny modeli pod kątem zadań danego zespołu.

Planowe odświeżanie baz wiedzy

W obszarze baz wiedzy AWS informuje, że Amazon Bedrock Managed Knowledge Base obsługuje automatyczne planowanie odświeżania dla wszystkich natywnych konektorów źródeł danych. Harmonogram może być dzienny, tygodniowy lub miesięczny. Dla osób zarządzających źródłami danych istotne jest to, że wpis opisuje zaplanowane odświeżenia i podaje trzy częstotliwości. Pozwala to zespołom dopasować harmonogram do tego, jak często zmieniają się informacje źródłowe, w zakresie dozwolonym przez wybrany harmonogram i konektor.

AWS opisuje także nowe natywne konektory dla ServiceNow, Confluence Data Center, Salesforce i Zendesk. W tym kontekście konektor łączy bazę wiedzy ze źródłem, z którego można pobierać informacje. Ogłoszenie dodaje do dostępnych opcji cztery wymienione systemy dla przedsiębiorstw. W połączeniu z planowym odświeżaniem podkreśla dwa praktyczne elementy zarządzania bazą wiedzy: podłączenie źródła i regularność synchronizacji.

Warto odróżnić zakres ogłoszenia od założeń dotyczących konkretnego wdrożenia. AWS mówi o planowych odświeżeniach dla wszystkich natywnych konektorów źródeł danych i wymienia dodane konektory. Wpis nie opisuje jednak konfiguracji konkretnego źródła ani wynikowej jakości bazy wiedzy. Przekazuje informacje o dostępnych funkcjach, które zespół może rozważyć w odniesieniu do własnych źródeł i potrzeb aktualizowania danych.

Jak czytać wrześniowe podsumowanie

Według zestawienia AWS wrześniowe aktualizacje obejmują trzy warstwy tworzenia aplikacji AI: dostępność i wybór modeli, narzędzia i działanie agentów oraz zarządzanie bazami wiedzy. W przypadku Bedrock wpis obejmuje ogólną dostępność modeli OpenAI i Kimi K3, a także planowe odświeżenia i dodatkowe konektory. AgentCore wiąże się z zarządzaniem pamięcią, zimnymi startami i skalowaniem nieaktywnych sesji. Strands obejmuje harness oraz model decyzyjny o odmiennych deklarowanych właściwościach.

Praktycznym sposobem wykorzystania podsumowania jest wskazanie ogłoszeń związanych z własną pracą. Zespół budujący agentów może przyjrzeć się środowisku uruchomieniowemu i narzędziom Strands; zespół wybierający model może sprawdzić dostępność i wymienione parametry; zespół utrzymujący źródła wiedzy może rozważyć harmonogramy odświeżania i nowe konektory. Wszystkie te informacje pochodzą z jednego wpisu AWS opublikowanego 9 października 2026 r., który podsumowuje wrześniowe aktualizacje.