AIFlowTime 最新文章列表
新工具更新

· AWS · AgentCore · Runtime

AgentCore 執行更快更省

AWS 宣布新一代 AgentCore Runtime 已在北美、南美、歐洲與亞太的區域提供,正文沒有點名香港。官方稱啟動最多快 15 倍,算力最高 8 vCPU 與 32 GB,閒置可縮到零。計費寫成 Lambda MicroVM 費率,本文不另編美元單價。按工作階段劃分資料夾要到 re:Invent,今天還沒上線。

AWS 人工智慧部落格的題圖,標題是 Run agents securely and efficiently with the next generation AgentCore runtime。
圖片來源:AWS Machine Learning Blog

AWS Machine Learning Blog 這篇由 Madhu Parthasarathy 撰寫,標成 Announcements,發表時間是 2026-11-12T09:59:59-08:00,香港時間 2026 年 11 月 13 日 01:59:59。頁面 metadata 另有 modified time:2026-11-12T14:07:37-08:00。本文沒有比對那次修改改了哪些字,以下依 11 月 13 日讀到的正文。

新一代 AgentCore runtime 仍讓每個工作階段跑在自己的 Firecracker MicroVM 裡,並有自己的身分、政策與稽核紀錄。隔離這句沒有拿掉。後面的數字都是官方的「最多」或客戶自述,本文沒有部署,也沒有重測。

這篇不是 工具清單要保持新鮮,也不是 AWS 每週技能速記。那兩篇是別的日期、別的主題。

算力上限與啟動

公告段落:相對前一版算力最多 4 倍,最高 8 vCPU 與 32 GB,映像最大 10 GB,啟動少於 2 秒。
圖片來源:AWS Machine Learning Blog

公告先寫一句總括:工作階段啟動最多快 15 倍,算力最多增至 4 倍,效率最多提高 68%,隔離邊界仍然在。15 倍與這句 68% 是這段總括的「最多」,不是本文量到的固定倍數。

上圖是後面的規格段。相對前一版,工作階段最多到 4 倍算力,上限是 8 vCPU 與 32 GB,容器映像最大 10 GB。啟動少於 2 秒。官方稱這段啟動時間與映像大小、並發無關,因此不必再靠預先準備的 warm pool 來處理冷啟動。這句「與映像大小及並發無關」是官方主張,本文沒有用不同大小的映像去測。

官方說法 範圍
啟動速度 最多快 15 倍;並稱少於 2 秒
啟動與映像 官方稱與映像大小及並發無關
算力 最多 4 倍,最高 8 vCPU、32 GB
容器映像 最大 10 GB
多輪記憶體 中間有停頓時,每個工作階段最多少用 68%
計費 committed baseline,可 burst 到該基準的 4 倍;費率寫 AWS Lambda MicroVM
資料夾範圍 By re:Invent 才做,今天的正文沒有寫成已上線

閒置縮零與計費

公告段落:釋放後數分鐘內回收記憶體,閒置可縮到零;多輪停頓最多少用 68% 記憶體;基準計費可 burst 到 4 倍,費率為 Lambda MicroVM。
圖片來源:AWS Machine Learning Blog

代理人常常在等模型、等工具或等人。公告對這段等待的寫法是:代理人釋放記憶體後,runtime 在數分鐘內回收;閒置的代理人可以縮到零。多輪、而且中間有自然停頓時,每個工作階段最多少用 68% 記憶體。68% 掛在這種多輪停頓的條件上,不要寫成每一種常駐工作都少 68%。

一直開著的代理人,用的是 committed baseline。每個工作階段先定一個記憶體基準,並以該基準作為最低計費,需要時可以 burst 到這個基準的 4 倍。公告說穩定工作負載因此有一個可預期的費率,費率是 AWS Lambda MicroVM rates。正文沒有列出美元單價。本文不補一個每秒或每 GB 的價格。

「同樣的工作付得更少」也是這段的主張,不是本文的帳單。

信任邊界內的檔案

公告段落:工作階段仍在硬體隔離環境內,並可用 FUSE 掛上例如 Amazon S3 的檔案系統。
圖片來源:AWS Machine Learning Blog

公告說,隔離如果只停在運算,資料仍在邊界外面。這一代 runtime 讓代理人可以把工作動態掛載、存到檔案系統,例子是支援 FUSE 的 Amazon S3 bucket。資料在整份工作期間留在信任邊界內,由你定好的同一組控制來管。

這是產品說明。本文沒有實際掛載 S3,也沒有檢查某一種檔案系統是否都支援。

資料夾範圍尚未上線

公告結語:By re:Invent,每個工作階段才會用 session-labeled credentials 綁到自己的儲存資料夾。
圖片來源:AWS Machine Learning Blog

per-session folder scoping 還沒寫成今天的功能。原文是:By re:Invent,每個工作階段會透過 session-labeled credentials,綁到自己的儲存資料夾。這是後續項目。今天可以談的,是上一節已經寫的 FUSE 掛載,不是這個按工作階段劃分資料夾的範圍。

客戶比較不是我方實測

Mission Cloud 的引述:同一工作負載下,推論冷啟動快 35%,健康檢查快 77%,每次呼叫的 runtime 成本低 17%。
圖片來源:AWS Machine Learning Blog

上圖是 Mission 的引述,不是 AWS 的實驗報告,也不是本文的測量。署名是 Dr. Ryan Ries,職稱 Chief AI and Data Scientist,Mission Cloud。他們說,在新舊 runtime 的初步比較裡,同一種工作負載:推論請求的冷啟動快 35%,健康檢查的啟動快 77%,量到的每次呼叫 runtime 成本低 17%。三個百分數都要留在「他們的初步比較、同一種工作負載」這句裡。

同一篇還有其他客戶引述,包括 Coinbase、Zuora、Deloitte Consulting、Caylent、Okta、Cox Automotive 與 Thomson Reuters。那些也是對方的話。其中 Zuora 的 Brad Ruppert 說,在許多使用情境,每次呼叫的記憶體占用大約少 60%。「大約」與「許多使用情境」是他自己的限定。本文沒有重測任何一則引述。

區域沒有點名香港

公告結語:新一代 AgentCore runtime 今天已在北美、南美、歐洲與亞太的 AWS 區域提供。
圖片來源:AWS Machine Learning Blog

官方結語是:next generation AgentCore runtime is available today in AWS Regions across North America, South America, Europe, and Asia Pacific。點名的是這四個地理範圍裡的 AWS 區域。正文沒有寫 Hong Kong,沒有寫 ap-east-1,也沒有寫全球每一個區域都有。

本文沒有打開主控台逐區核對。不能從「亞太」三個字推出香港已經可以用,也不能推出每個亞太區域都在名單裡。若要部署,仍要以你帳號裡的區域清單為準。

想成為 AI 高手?即刻搵 Jacob
看更多最新文章