По данным AWS Machine Learning, модели с открытыми весами меняют экономику создания и развертывания ИИ в масштабах. Быстрые достижения в области интеллекта и эффективности позволяют компаниям подбирать каждую рабочую нагрузку с правильным балансом возможностей, скорости и стоимости. AWS строит будущее, в котором организации смогут адаптировать инновации с открытыми весами с надежностью и безопасностью, необходимыми для производства. Сегодня Kimi K3 от компании Moonshot AI доступна на платформе Amazon Bedrock, предоставляя мощный новый вариант для кодирования и работы с знаниями. Согласно информации от Moonshot AI, Kimi K3 является самой мощной моделью компании и первой открытой моделью, достигшей 2,8 триллионов параметров. Она сочетает в себе нативные возможности визуализации с контекстным окном на 1 миллион токенов и обеспечивает приблизительное улучшение в 2,5 раза по сравнению с Kimi K2 в плане масштабируемости. Эти достижения делают Kimi K3 хорошо подходящей для длительных рабочих процессов кодирования и работы с знаниями, которые требуют постоянного контекста в больших репозиториях, документах и изображениях. Kimi K3 — первая модель с открытыми весами на Amazon Bedrock, которая поддерживает явное кэширование подсказок, что помогает снизить задержки и затраты на ввод при повторном использовании контекста между вызовами модели. Запуск Kimi K3 отражает постоянные инвестиции AWS в модели с открытыми весами на Amazon Bedrock. С 2025 года Bedrock добавила десятки моделей с открытыми весами от таких поставщиков, как DeepSeek, Google, MiniMax, Mistral AI, Moonshot AI, NVIDIA, OpenAI и Qwen. Поддержка этой расширяющейся выборки продолжается благодаря дальнейшему развитию технологии вывода, которая обслуживает эти модели в масштабах. В 2026 году Bedrock добавила поддержку вызовов инструментов, структурированного вывода, рассуждений, потоковой передачи ответов и API для ответов и завершений чата. Поскольку это возможности платформы, а не интеграции для каждой модели, новые модели с открытыми весами могут воспользоваться ими по мере их появления на Amazon Bedrock. Как и все модели с открытыми весами на Amazon Bedrock, вы можете использовать Kimi K3, не меняя свою безопасность. Ваши данные обрабатываются в пределах границ данных AWS, не передаются поставщику модели и не используются для обучения основной модели. Нулевая сохранность данных всегда включена для запросов вывода, в то время как нулевой доступ оператора предотвращает даже доступ операторов AWS к вашим подсказкам и завершениям во время вывода. Эти меры предосторожности позволяют вам использовать модели с открытыми весами с уверенностью, сохраняя контроль над своими данными. Чтобы начать работу с Kimi K3 на Amazon Bedrock, откройте консоль Amazon Bedrock, перейдите в раздел Тест > Площадка и выберите Kimi K3 в качестве модели. Вы также можете программно вызывать модель, используя конечную точку bedrock-runtime, которая поддерживает совместимые с OpenAI API для ответов и завершений чата, а также API Amazon Bedrock Invoke и Converse. Вы можете вызывать Kimi K3 через профиль вывода между регионами. Для рабочих нагрузок без региональных ограничений мы рекомендуем использовать глобальный профиль global.moonshotai.kimi-k3, который перенаправляет каждый запрос в любой поддерживаемый коммерческий регион AWS по всему миру. Глобальные расходы на вывод между регионами примерно на 10% ниже, чем у географического профиля. Географический профиль США, us.moonshotai.kimi-k3, сохраняет обработку в пределах США для соблюдения требований к месту хранения данных. Требования: активная учетная запись AWS с доступом к Amazon Bedrock. Python 3.10+. Разрешения AWS Identity and Access Management (AWS IAM) для вызова модели: bedrock:InvokeModel, bedrock:InvokeModelWithResponseStream и bedrock:CreateInference. Вот быстрый пример, который использует SDK OpenAI и библиотеку aws-bedrock-token-generator для Python для генерации краткосрочных токенов-носителей для аутентификации в Amazon Bedrock. Оптимизация вывода с явным кэшированием подсказок: длительные рабочие процессы кодирования и работы с знаниями часто повторно отправляют стабильный контекст, такой как инструкции репозитория, определения инструментов или справочные документы. С явным кэшированием подсказок вы можете определить повторно используемые префиксы подсказок, чтобы последующие запросы могли использовать кэшированный контент. Когда запрос совпадает с кэшированным префиксом, Amazon Bedrock может сократить задержку ответа и затраты на токены ввода. Кэширование для Kimi K3 на Amazon Bedrock: вы можете отметить точный конец повторно используемого префикса подсказки (после как минимум 1 024 токенов), добавив prompt_cache_breakpoint к поддерживаемому входному контенту. В явном режиме токены, записанные в кэш, будут тарифицироваться по более высокой ставке, но затем сохраняются в кэше в течение как минимум 30 минут. Для последующих запросов, которые попадают в кэш, токены ввода будут тарифицироваться по сниженной ставке и не будут учитываться в квотах по токенам ввода в минуту. Вы можете исследовать репозиторий примеров Moonshot AI на AWS для получения дополнительных примеров. Kimi K3 на практике: помимо использования API напрямую, вы можете использовать Kimi K3 через широкий спектр помощников по кодированию, персональных агентов и агентных фреймворков, которые поддерживают Amazon Bedrock в частности или совместимые с OpenAI модели в целом. Существует несколько популярных агентов кодирования, доступных для разработчиков сегодня, поэтому рассмотрим OpenCode в качестве примера. OpenCode является открытым исходным кодом, независимым от модели и имеет нативного поставщика модели amazon-bedrock, который использует API Converse. Для начала вы можете настроить поставщика amazon-bedrock либо в ваших конфигурационных файлах opencode.json на уровне пользователя, либо на уровне проекта, как показано в документации OpenCode. После настройки поставщика OpenCode автоматически обнаружит доступные модели Amazon Bedrock, которые вы можете выбрать с помощью команды /models. Например, минимальный файл ~/.config/opencode.json может выглядеть так: { "$schema": "https://opencode.ai/config.json", "model": "amazon-bedrock/global.moonshotai.kimi-k3", "provider": { "amazon-bedrock": { "options": { "region": "us-west-2", "profile": "PLACEHOLDER-YOUR-AWS-PROFILE-NAME" } } } }. После настройки поставщика Amazon Bedrock вы можете использовать команду /models, чтобы переключить модели на global.moonshotai.kimi-k3 и начать разработку. Kimi K3 может создавать значительные функции и работать над долгосрочными задачами. В следующем видео мы пробуем создать одностраничную игру на основе браузера, чтобы начать. Агенты продуктивности: помимо кодирования, Hermes Agent является примером открытого помощника для общей продуктивности. Его можно использовать через настольное приложение или популярные мессенджеры, а также через терминал и поддерживает такие случаи использования, как глубокие исследования и автоматизация задач, где Kimi K3 также может хорошо работать. Как указано в их документации, Hermes нативно поддерживает модели на Amazon Bedrock. Чтобы начать, запустите модель hermes из вашего терминала. Прокрутите список поставщиков до "AWS Bedrock" (Hermes ошибочно обозначает "Amazon Bedrock" как "AWS Bedrock"). Если будет предложено, выберите исходный регион AWS, в который вы хотите отправить запросы Hermes. Выберите либо цепочку учетных данных по умолчанию (рекомендуется), чтобы использовать учетные данные AWS Command Line Interface, уже настроенные в вашей среде, либо создайте ключ API Amazon Bedrock. Выберите Kimi K3 из автоматически обнаруженного списка моделей, или, если она недоступна, введите global.moonshotai.kimi-k3 в качестве пользовательского имени модели. Если вы используете именованные профили для управления несколькими учетными данными AWS в вашей среде, то на момент написания вам нужно установить переменную окружения AWS_PROFILE или использовать свой профиль по умолчанию для Hermes. В противном случае вы можете переключиться на ключ API. Следите за открытым вопросом здесь для обновлений поддержки установки профиля AWS через файл конфигурации Hermes. Как только поставщик Amazon Bedrock настроен, и модель сконфигурирована, вы можете начать использовать Kimi K3 для ваших агентных рабочих процессов в Hermes. Например, смотрите следующее короткое видео, в котором мы просим агента разработать персонализированный учебный план. Kimi K3 доступна сегодня на Amazon Bedrock через географические профили США (us.) и глобальные (global.) для вывода между регионами. См. документацию Bedrock для полного списка поддерживаемых регионов. Для получения информации о ценах смотрите ценообразование Amazon Bedrock. Попробуйте Kimi K3 в консоли Amazon Bedrock или исследуйте репозиторий примеров Moonshot AI на AWS на GitHub. Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником. Миграция многомодельных ИИ-агентов на платформу Amazon Bedrock Исследователи безопасности использовали Claude для взлома OpenAI Kyutai выпустила модель Voice of Reason для устного решения математических задач. Nokia открывает доступ к AnyJev, библиотеке для принятия решений без обучения. OpenAI представила GPT-6 Sol и Luna с новыми ценами на API, снижая стоимость на 50%.