
如何归集并控制 Amazon Bedrock 中 AI 工具的成本
Amazon Bedrock 会在成本和使用情况报告 2.0,也就是 CUR 2.0 的 line_item_iam_principal 列中,记录每个推理调用者的完整 IAM ARN。对于联合身份用户,这个 ARN 还包含会话名称。完成这种记录不需要修改 API 调用,因此,调用者身份能够直接与计量用量关联,而不必为每次调用增加额外的应用级改动。
CUR 2.0 能回答什么问题
CUR 2.0 会在每个按小时或按天生成的导出区间内,按照 IAM 主体和用量类型汇总 Bedrock 用量。它不提供单次请求的成本。因此,这份报告适合说明某个导出区间内,哪些用量被归到哪个主体以及哪种用量类别,却不能被当作逐次请求的成本明细账。
理解这种汇总边界很重要。看到某个主体在同一小时内产生多行记录,并不等于报告给出了多次请求各自的价格。报告展示的是区间聚合结果,分析时应围绕主体、用量类型和导出区间来阅读数据,而不能把其中一行直接解释为一个独立推理请求。
为何同一主体通常会有多行记录
Bedrock 会分别计量并计费输入令牌、输出令牌、缓存读取令牌和缓存写入令牌。由于这四类用量彼此分开,一个 IAM 主体在一小时内的活动通常会形成四行 CUR 记录。这些行共同描述该主体在相应时段中的不同计费类别。
因此,汇总时既要保留主体维度,也要保留用量类型维度。如果只看到行数增加就推断调用次数,会超出 CUR 2.0 所提供的信息。可靠的解释是:同一主体在同一时间区间内可能同时产生输入、输出、缓存读取和缓存写入四类独立计量结果,而报告本身仍然不披露每个请求的成本。
IAM Identity Center 如何区分用户
使用 IAM Identity Center 时,代入角色的会话名称就是用户的登录名,因此每个用户会形成可区分的主体。对于联合身份用户,完整 ARN 中包含的会话名称也随之成为归集的一部分。这样,CUR 2.0 中记录的不是一个缺少会话信息的笼统角色标识,而是带有对应会话名称的完整调用主体。
该身份还可以通过会话标签补充组织信息,例如团队、成本中心和项目。IAM 主体标签或联合身份会话标签会以 iamPrincipal/ 前缀出现在 CUR 2.0 中,并可在 Cost Explorer 中作为筛选维度。主体回答“由谁产生用量”,这些标签则为同一主体增加团队、成本中心或项目等可筛选背景。
标签不是即时生效的数据
IAM 主体成本分配标签只有在该主体实际执行过一次 Bedrock 调用后,才会出现在 Billing 中。标签出现最多可能需要 24 小时,进入 CUR 2.0 和 Cost Explorer 最多可能需要 48 小时。此外,标签激活不具有追溯效力,不能把激活前的既有用量重新纳入该标签。
这意味着,刚完成调用但尚未看到标签,并不能直接说明主体没有活动;新启用标签后,也不能期待它自动覆盖更早的数据。查看近期账单时,需要同时考虑首次 Bedrock 调用、标签在 Billing 中出现的时间,以及标签继续传递到 CUR 2.0 和 Cost Explorer 的时间。标签的组织价值与其处理延迟必须一起理解。
在调用者之外增加工作负载维度
调用者归集还可以与工作负载标记结合。对于 bedrock-runtime,Application Inference Profiles 可以为工作负载支出添加标签。对于 bedrock-mantle,Projects 和 Workspaces 可以隔离并标记支出。由此可以形成两个彼此相关但作用不同的观察角度:IAM 主体用于识别调用者,配置文件、项目或工作区用于组织相应工作负载的支出。
这两个角度不会改变 CUR 2.0 的基础粒度。主体维度说明某个小时或某一天的用量归属于谁,工作负载标签说明这些支出可归入哪个受支持的工作负载分组。无论增加多少组织标签,CUR 2.0 仍然按照导出区间和用量类型汇总,而不是给出逐请求成本。
不同工具对应不同权限范围
工具使用的 Bedrock 接口不同,所需操作和资源范围也不同。Codex 和 ChatGPT Work 在使用 bedrock-mantle 时,需要 bedrock-mantle:CreateInference 以及相关操作,并且这些权限要限定到一个 Project。这里的权限边界围绕 bedrock-mantle 的项目展开。
Claude Code 和 Claude Desktop 在使用 bedrock-runtime 时,需要 bedrock:InvokeModel 和 bedrock:InvokeModelWithResponseStream。这些操作要限定到相关模型或推理配置文件的 ARN。因而,不能把一个接口下的操作名称和资源范围直接套用到另一个接口;工具、所用接口、允许的操作以及目标 ARN 或 Project 需要相互对应。
凭证路径会改变最终归集身份
如果设置了 AWS_BEARER_TOKEN_BEDROCK,Claude Code 和 Codex 会使用该密钥,而不是 SSO 凭证链。此时,调用会被归集到该密钥背后的 IAM 用户。即使原本预期通过 SSO 会话识别某位用户,实际报告仍会反映真正用于调用的凭证。
因此,分析主体归集结果时,需要关注调用最终采用了哪条凭证路径。使用 SSO 时,可以利用登录名形成的会话名称区分用户,并通过会话标签增加团队、成本中心和项目等信息;使用上述环境变量提供的密钥时,归集对象则变为密钥背后的 IAM 用户。记录结果忠实反映实际调用身份。
必须正确创建 CUR 2.0 导出
要让 line_item_iam_principal 得到填充,CUR 2.0 必须启用调用者身份分配选项。如果某个导出是在 IAM 主体归集功能推出之前创建的,就必须用一个启用了该选项的新导出替换它。仅仅保留旧导出,并不能让所需主体数据自动出现在相应列中。
导出配置与标签延迟是两件不同的事。调用者身份分配选项决定主体列能否填充;主体成本分配标签仍需等待其在 Billing 中出现,并继续传递到 CUR 2.0 和 Cost Explorer。再加上 CUR 2.0 本身按小时或按天汇总,这些条件共同决定了可以观察到哪些数据,以及何时能够观察到。
AWS Budgets 提供基于成本数据的动作
AWS Budgets 可以在按标签筛选的阈值被突破时触发动作,例如应用拒绝策略。这种方式能够把标签维度与阈值动作关联起来,但预算更新和账单数据都存在延迟。对于用量增长很快的用户,这些延迟可能使其超出限制长达一天。
因此,预算动作不能被理解为对每次推理调用进行即时判定。它依赖预算更新和账单数据到达后的结果,适合表达基于标签筛选阈值的控制,但其响应速度受到数据处理周期约束。若目标是更快制止持续增长的用量,就需要比较使用指标或逐次调用控制的其他方式。
分钟级执行与逐次调用阻止
CloudWatch 警报与 Lambda 可以利用 Bedrock 指标执行限制,给出的延迟为 1 至 5 分钟。与可能让高速度用户超出限制长达一天的预算动作相比,这是一种基于指标、以分钟为尺度的执行方式。它仍然不是对每次调用逐一同步判断,但响应窗口明显由账单周期转向了指标处理周期。
LLM 网关能够阻止单个调用,从而把控制放到每次调用的层面。不过,这种方式会增加运维复杂度,并给每个请求增加延迟。选择控制机制时,核心差异并不只是能否设置限制,还包括限制依据的数据、从发生用量到执行动作所需的时间,以及为了逐次阻止调用而承担的运维复杂度和请求延迟。
如何整体理解归集与控制
这些能力可以按职责组合起来理解。CUR 2.0 提供按 IAM 主体、用量类型以及小时或天汇总的数据;Identity Center 的会话名称让用户主体彼此区分;主体或联合身份会话标签增加团队、成本中心和项目维度;Application Inference Profiles、Projects 与 Workspaces 则根据所用接口补充工作负载支出维度。
控制层面,AWS Budgets 可以基于标签筛选阈值触发拒绝策略等动作,但会受到预算与账单延迟影响;CloudWatch 警报和 Lambda 依据 Bedrock 指标,以给出的 1 至 5 分钟延迟执行限制;LLM 网关可阻止单个调用,同时带来额外运维复杂度与逐请求延迟。三类方式分别对应账单驱动、指标驱动和调用级阻止。
AWS 的主要来源把这些要素放在同一个成本归集与控制框架中。落实该框架时,既要确认 CUR 2.0 已启用调用者身份分配,也要核对工具实际使用的凭证和接口,并在阅读标签数据时保留最多 24 小时和 48 小时的处理窗口。最终得到的是区间级成本归集与多种响应速度的控制选项,而不是逐请求成本报告。