当 Kiro 在 IDE 里帮你写代码，AgentCore 在企业平台跑 Agent，Quick 在桌面替你执行任务——这些\"外挂\"背后，是 Bedrock 上一整座\"模型江湖\"在做算力支撑。
2026 年 6 月 23 日，亚马逊云科技峰会上海站开幕。主舞台上，AWS 高管和行业领袖侃侃而谈 Agentic AI 的落地实践；展区里，30 个 AI Agent 实战项目轮番演示。每一个 Agent 的背后，都在调用 Amazon Bedrock 上的某个模型。
Kiro 用它做推理，AgentCore 用它做决策，Quick 用它分析数据——但 \"它\"到底是谁？
是 Amazon 自研的 Nova 家族？是 Anthropic 的 Claude 4 系列？还是 Meta 的 Llama、Mistral 的 Mixtral？
这篇文章，带你走进 Amazon Bedrock 的模型江湖。
━━━ ━━━ ━━━
一、Bedrock——不是一个模型，而是一个模型生态
在进入具体模型之前，先理解一个关键认知：
Amazon Bedrock 不是一个模型，而是一个\"模型集市\"。
它提供统一的 API 接口，让你可以调用来自不同厂商、不同规格的数十种大模型，并在此基础上提供统一的知识库、Guardrails、Agent 构建、模型蒸馏、评估和安全能力。
截至 2026 年 6 月，Bedrock 上可用的主要模型家族包括：
| 厂商 | 模型家族 | 特点 |
|---|---|---|
| Amazon | Nova Micro / Lite / Pro / Premier + Nova Canvas + Nova Reel | 自研，性价比之王 |
| Anthropic | Claude 4 Opus / Sonnet / Haiku | 推理最强，适合 Agent |
| Meta | Llama 4 | 开源标杆 |
| Mistral AI | Mistral Large 2 / Mixtral | 欧洲明星，多语言强 |
| Stability AI | Stable Diffusion 3.5 | 图像生成 |
| Cohere | Command R+ | 企业 RAG 专用 |
━━━ ━━━ ━━━
二、Amazon Nova 家族——AWS 自研的\"四兄弟\"
2024 年底的 re:Invent 大会上，AWS 正式发布了 Amazon Nova 自研模型家族。一年半后的今天，Nova 家族已经覆盖从毫秒级文本响应到百万级 Token 深度推理的全谱系。
Nova 家族有四兄弟，各有所长：
大哥 · Nova Premier
\"百万上下文的最强大脑\"
- 类型：多模态（文本 + 图片 + 视频）
- 上下文窗口：1M Token（一次处理三本《三体》）
- 定位：复杂推理、多步规划、精准执行
- 额外角色：作为\"教师模型\"蒸馏更小、更快、更便宜的学生模型
适用于：复杂代码库分析、长文档理解、架构设计评审。
二哥 · Nova Pro
\"全能型选手\"
- 类型：多模态
- 上下文窗口：300K Token
- 定位：生产级企业应用——准确性、速度、成本的最佳平衡点
- 基准表现：TextVQA（视觉问答）、VATEX（视频理解）、BFCL（函数调用）、Mind2Web（Agent 基准）上均达 SOTA
适用于：金融文档分析、代码审查（最多 15,000 行）、复杂 RAG 应用。这也是 Kiro 默认使用的模型之一。
三哥 · Nova Lite
\"又快又便宜的多模态选手\"
- 类型：低成本多模态
- 上下文窗口：300K Token
- 输入：单次可分析多张图片或最长 30 分钟 视频
适用于：实时客户交互、文档分析、视觉问答。性价比极高。
四弟 · Nova Micro
\"速度之王\"
- 类型：纯文本
- 速度：200+ Token/秒（业界同类最低延迟）
- 上下文窗口：128K Token
- 定位：高吞吐、延迟敏感任务
适用于：文本摘要、内容分类、交互式对话、简单推理。成本最低。
多模态嵌入模型 · Nova Multimodal Embeddings
2025 年 11 月发布，支持文本、文档、图片、视频、音频的跨模态搜索——用一张图搜一段视频，用一段音频搜一份文档，Agent 在这一层才真正具备\"感知\"能力。
视觉创作 · Nova Canvas & Nova Reel
- Nova Canvas：文生图、图生图，与 Stable Diffusion 竞争的 AWS 自研方案
- Nova Reel：文生视频，与 Sora / Runway 竞争的 AWS 方案
━━━ ━━━ ━━━
三、Claude 4 系列——推理之王
2025 年，Anthropic 在 Bedrock 上独家首发了 Claude 4 Opus，这也是 Claude 4 系列第一次上云。
Claude 4 Opus
\"Agent 时代的推理引擎\"
这是目前最适合 Agent 场景的模型。AWS Kiro 的\"自适应思考\"（Adaptive Thinking）能力就是 Claude 4 Opus 独占的——模型可以自己决定\"这个问题需要想多久\"，而不是在\"马上答\"和\"全量推理\"之间二选一。
为什么 Kiro 选它？
- 规格驱动开发需要深度推理，Claude 4 Opus 最擅长
- 多步任务规划（Plan → Code → Test → Review）需要高强度推理
- \"自适应思考\"确保简单问题快速响应、复杂问题深入思考
Claude 4 Sonnet
平衡型选手，在成本和推理能力之间取得最佳平衡。AgentCore Harness 的默认推荐模型之一。
Claude 4 Haiku
轻量级选手，适合实时、高频的简单任务。
━━━ ━━━ ━━━
四、模型选型指南：选哪个？
拿到 Kiro / AgentCore / Quick 之后，第一个问题往往是：
我应该选哪个模型？
没有标准答案，但有决策框架：
分类标准一：任务复杂度
| 任务类型 | 推荐模型 | 原因 |
|---|---|---|
| 简单文本分类、摘要 | Nova Micro / Claude Haiku | 快，便宜 |
| 多模态文档分析 | Nova Lite / Pro | 300K 上下文，成本可控 |
| 代码生成、架构设计 | Claude 4 Opus / Nova Pro | 推理强 |
| 复杂 RAG、多步 Agent | Claude 4 Sonnet | 平衡性最好 |
| 超长文档分析（100万+ Token） | Nova Premier | 1M 上下文 |
| 文生图 | Nova Canvas / SD 3.5 | 各有千秋 |
| 文生视频 | Nova Reel | AWS 原生集成 |
分类标准二：Agent 类型
| Agent 类型 | 推荐组合 |
|---|---|
| 流程固定、逻辑简单 | Nova Micro + 少量推理 |
| 需要工具调用 | Nova Pro / Claude Sonnet（BFCL 强） |
| 复杂多步规划 | Claude 4 Opus |
| 需要视觉理解 | Nova Pro / Lite |
| 需要持续学习、蒸馏 | Nova Premier 作为教师 |
分类标准三：成本和延迟
延迟： Micro < Haiku < Lite < Sonnet < Pro < Opus < Premier 成本： Micro < Haiku < Lite < Sonnet < Pro < Opus < Premier 能力： Premier > Opus > Pro > Sonnet > Lite > Haiku > Micro
核心策略：能不用大模型就不用大模型——用最便宜的模型完成任务，才是生产级部署的智慧。
━━━ ━━━ ━━━
五、Bedrock 上的\"隐藏武器\"——模型蒸馏
这是很多人不知道的 Bedrock 核心能力。
模型蒸馏（Model Distillation） 让你用一个大模型（如 Nova Premier 或 Claude 4 Opus）作为\"教师\"，训练一个更小的\"学生\"模型（如 Nova Lite 或 Micro），使其在特定任务上达到接近教师的水平，但成本和时间大幅降低。
使用场景：
- 你的 Agent 每天处理 10 万次客户查询
- 用 Claude 4 Opus 做推理成本太高
- 蒸馏一个 Nova Micro 定制版，让它学会处理这 10 万次查询
- 成本降低 90%+，质量下降 \< 5%
这比\"直接用一个更便宜的模型\"更聪明——蒸馏模型是学的，不是降级的。
━━━ ━━━ ━━━
六、2026 年模型生态的新趋势
结合 AWS 峰会上的讨论，几条趋势值得关注：
1. 多模型协同成为常态
未来的 Agent 不会只调用一个模型。Kiro 已经支持 Auto 模式——根据任务特性自动路由到不同的模型。架构设计 → Claude 4 Opus，代码生成 → Nova Pro，简单补全 → Nova Micro。一个 Agent 里跑三个模型，各取所长。
2. 视频理解能力爆发
Nova Pro / Lite 支持最长 30 分钟视频的单次分析。这对于内容审核、视频摘要、监控分析等场景是巨大的能力升级。
3. 模型蒸馏成为企业标配
不是\"用一个通用大模型\"，而是\"用教师模型蒸馏出企业专属小模型\"。预计 2026 年下半年，蒸馏功能将更加成熟和简单。
4. 成本管控成为核心关注
AgentCore 的 IAM 成本分配 + Bedrock Guardrails + 模型蒸馏，AWS 正在构建一套从\"开发 → 部署 → 监控 → 成本优化\"的完整闭环。做 Agent 容易，管好 Agent 的成本才是护城河。
5. Claude 4 的独家优势
Anthropic 与 AWS 的战略合作越来越深。Claude 4 Opus 在 Bedrock 上的\"自适应思考\"等独家能力，是 AWS 生态相比其他云平台的重要差异化优势。
━━━ ━━━ ━━━
七、我们的四篇文章：一张完整的 AWS Agentic AI 拼图
写完这一篇，我们终于拼齐了 AWS Agentic AI 的完整版图：
┌─────────────────────────────────────────────────────┐ │ Amazon Bedrock │ │ （模型江湖：Nova · Claude · Llama ...） │ ├────────────┬──────────────┬──────────────┬───────────┤ │ Kiro │ AgentCore │ Quick │ 更多... │
│ (开发) │ (部署/治理) │ (工作效率) │ (未来) │
│ 写代码 │ 跑 Agent │ 做任务 │ │ │ IDE 桌面 │ API 平台 │ 桌面 App │ │ └────────────┴──────────────┴──────────────┴───────────┘
| 文章 | 面向 | 核心一句话 |
|---|---|---|
| Kiro | 开发者 | 用 AI 写更好的代码 |
| AgentCore | 企业架构师 | 用平台跑更可靠的 Agent |
| Quick | 知识工作者 | 用 AI 做更多的工作 |
| Bedrock 模型 | 所有人 | 用最合适的模型做最合适的事 |
━━━ ━━━ ━━━
结语
亚马逊云科技峰会还在继续，\'Agentic Now, Go Build\' 的主题感染着每一个参会者。
但无论 Agent 多聪明，最终驱动它的，是 Bedrock 上的一个模型——可能是 Nova Micro 的超低延迟，可能是 Claude 4 Opus 的深度推理，也可能是 Nova Premier 的百万 Token 容量。
没有最好的模型，只有最合适的模型。
AWS 的模型江湖，百花齐放——而你的任务，是选出最适合你 Agent 的那一个。
后记： 写这个系列最有意思的体验是——我一边用 Kiro 写代码，一边查 AgentCore 的文档，一边开 Quick 查资料。三个 Agent 一起工作，各司其职。这种\"Agent 协作\"的体验，本身就是最好的产品演示。
━━━ ━━━ ━━━
*本文首发于《LeisureLinux》公众号。欢迎关注，获取更多深度技术解读。*
Amazon Quick 深度解析：AWS 的万能 AI 助手如何把打工人变成指挥官？
Amazon Bedrock AgentCore 深度解析：AWS 的生产级 AI Agent 平台
AWS Kiro 深度解析：亚马逊的 Agentic IDE 如何重新定义软件开发？
常见问题（FAQ）
Q1：这篇文章主要讲什么？ 2026 年 6 月 23 日，亚马逊云科技峰会上海站开幕。主舞台上，AWS 高管和行业领袖侃侃而谈 Agentic AI 的落地实践；展区里，30 个 AI Agent 实战项目轮番演示。 Q2：还有哪些关键事实？ 没有标准答案，但有决策框架： 分类标准一：任务复杂度 任务类型 推荐模型 原因——————简单文本分类、摘要 Nova Micro / Claude Haiku 快，便宜 多模态文档分析 Nova … Q3：有哪些值得注意的细节？ 4. 成本管控成为核心关注 AgentCore 的 IAM 成本分配 + Bedrock Guardrails + 模型蒸馏，AWS 正在构建一套从\"开发 → 部署 → 监控 → 成本优化\"的完整闭环。 Q4：核心结论是什么？** Claude 4 Opus 在 Bedrock 上的\"自适应思考\"等独家能力，是 AWS 生态相比其他云平台的重要差异化优势。
