AWSの9月まとめ、モデル選択・エージェント効率・企業データを中心に据える

Amazon Web Servicesは2026年9月の製品まとめで、企業向けAI開発をモデル性能だけの問題ではないものとして位置づけた。同社は、Amazon Bedrockでのモデルアクセス拡大、Amazon Bedrock AgentCoreによる低オーバーヘッドの実行、Strandsの新しいオープンソースツール、企業ナレッジベースの自動同期を強調した。

今回の更新が重要なのは、AI開発者が、社内情報を取得し、業務システムを利用し、長時間にわたるタスクを実行しなければならないエージェントをますます導入しているためだ。AWSによる今月のリリースの説明からは、レイテンシー、トークン消費、権限、データの鮮度、運用上の制御に関する判断が、高性能モデルを選ぶことと同じくらい重要になりつつあることがうかがえる。

Amazon Bedrockがモデルの選択肢を拡大

AWSによると、OpenAIのAstra、Sol、Lunaのモデルファミリーが9月中にAmazon Bedrockで一般提供された。同社はGPT-6 Astraについて、複雑な意思決定、文書分析、ソフトウェア開発向けのハイエンドな選択肢と説明しており、入力コンテキストウィンドウは最大100万トークンだという。GPT-6 Astra Ultrafastは、応答速度を優先するワークロード向けの高速ティアとして位置づけられている。

Bedrockのラインアップには、反復的なコーディング、コンピューター操作、専門業務向けのGPT-6.1 SolとGPT-6 Solも含まれる。一方、GPT-6.1 Lunaは、抽出、分類、要約、ルーティングなど大量処理を伴う活動を対象とする。AWSはこの分類を、すべてのタスクで1つのモデルを使うのではなく、知能、レイテンシー、スループット、コストのバランスを取る方法として示している。

AWSはClaudeの新たな選択肢として、Claude Fable 5.1、Claude Opus 5.5、Claude Sonnet 5.5も挙げた。同社によれば、Opus 5.5はエージェント型コーディング、ナレッジワーク、長時間実行タスク向けで、Sonnet 5.5は対象を絞ったコーディングやナレッジワークに適した、より効率的な選択肢だという。Sonnet 5.5がClaude Sonnet 5よりタスク当たりのコストを30％削減し、速度を30％高めるという主張はAWSの製品まとめに由来するもので、原資料では独立検証されていない。

AWSによれば、Moonshot AIのKimi K3と、xAIのGrok 4.6およびGrok 4.7もカタログに追加された。同社は、MoonshotがKimi K3を2.8兆パラメーターのオープンモデルと説明していることを引用し、Grokモデルは50万トークンのコンテキストウィンドウ、設定可能な推論の強度、自己検証をサポートすると報告した。

エージェントインフラは従量課金型の実行へ

本番エージェントを構築するチームに向けて、AWSはモデル層より下の変更を強調した。Amazon Bedrock Managed Agents powered by OpenAIはパブリックプレビューに入り、開発者はOpenAIモデルを使いながら、データをAWS内に保持し、AWS Identity and Access Managementの権限を再利用し、AWS CloudTrailで活動を記録できる。AWSは、より高リスクな導入を支える制御として、永続セッションと人による承認ワークフローも挙げた。

最新のAgentCoreランタイムは、サーバーレスエージェントのインフラ負荷を軽減するよう設計されている。AWSによると、メモリ管理とコールドスタートのレイテンシーを改善し、アイドル時にはセッションをゼロまでスケールダウンし、ハードウェア分離環境を利用する。料金モデルは従量課金制で、事前にプロビジョニングしたピークメモリではなく実際の使用量に対して課金される。

AWSのオープンソースエージェントツールキットであるStrandsには、新しいStrands harnessが加わった。AWSは、このharnessが精度で一般的な代替製品に匹敵しながら、トークン使用量を28％削減すると主張している。コンテキスト管理、プロンプトキャッシュ、メモリを備え、PythonとTypeScriptをサポートし、さまざまなデプロイ環境で実行できるよう設計されている。

AWSはさらに、事前定義された選択肢から選ぶことでテキストを生成しない、20億パラメーターのオープンソースモデルStrands Decider 2Bを発表した。同社によれば、ローカルで約115ミリ秒で応答でき、ツール選択、ルーティング、ガードレールを想定している。AWSによると、コード、データ、重みはGitHubとHugging Faceから入手できる。

企業ナレッジベースに直接的なコネクター

9月のリリースは、企業向けAIにおける目立ちにくいが根強い問題の1つ、つまり大規模なカスタム取り込みシステムを維持せずに、取得した情報を最新に保つことにも対処する。

AWSによると、Amazon Bedrock Managed Knowledge Baseは現在、すべてのネイティブデータソースコネクターで、日次、週次、月次の自動更新スケジュールをサポートする。SharePoint、OneDrive、Confluence向けのユーザー管理設定は、組織が必要なアクセス権をすでに持っている場合、管理者が管理するサービスアカウントへの依存を減らすことを目的としている。

ServiceNow、Confluence Data Center、Salesforce、Zendesk向けの新しいネイティブコネクターは、クロール、メタデータ抽出、増分同期を処理できる。AWSは、これらの機能により、社内文書、サポートコンテンツ、業務知識のためのカスタム取り込みコードを減らせるとしている。実際の価値は、コネクターの対応範囲、権限、同期の信頼性、変更内容がエージェントの応答にどれだけ正確に反映されるかに左右されるが、まとめではこれらを数値化していない。

証拠が開発者と購入者に意味すること

今回の更新における最も強い主張はベンダー発表によるものだ。情報源にはAWS Wireの掲載記事とAWS Machine Learning Blogの投稿が含まれるが、独立テスト、顧客インタビュー、価格比較、第三者による導入データはない。したがって、トークン削減、推論速度、モデル能力、コスト効率に関する主張は、各チームのワークロードで検証されるまで、製品ポジショニングとして扱うべきだ。

この制約があっても、製品の方向性は明確だ。開発者はBedrockの広いカタログを使い、複雑さとコストに応じてタスクを振り分けられる。一方、AgentCoreとStrandsは、実行、メモリ、承認、デプロイを扱う。企業の購入者にとって、ネイティブコネクターとスケジュール同期は保守作業を減らす可能性があるが、アクセス制御、データ系譜、保持、障害対応を評価する必要がなくなるわけではない。

実際の試金石は、こうしたコンポーネントが個別のベンチマーク結果ではなく、システム全体の経済性を改善するかどうかだ。検索結果が古ければ、高速なランタイムの価値は限定的かもしれない。安価なモデルも、ルーティングや抽出の品質が低下すればレビューコストを生む可能性がある。同様に、マネージドコネクターはデプロイを簡素化できる一方、Salesforce、ServiceNow、Zendeskのような機密システムについては、慎重な権限設計がなお必要になる。

次に注目すべきこと

開発者は、OpenAIを利用するManaged Agentsプレビューの一般提供時期と本番料金、さらにリージョンごとの提供状況と対応モデル機能に関するドキュメントを注視すべきだ。AgentCoreのコールドスタート、Strandsのトークン使用量、Strands Decider 2Bの精度を独立に測定すれば、報告された改善が実際のワークロードにどう反映されるかを明らかにできる。

企業チームは、新しいナレッジベースコネクターを、権限変更、削除されたレコード、増分更新、相反するソース文書に対してもテストすべきだ。次に重要な兆候は、アクセスやガバナンスの抜けを生じさせずに、これらのコネクターがエージェントのコンテキストを最新に保てるという証拠になる。

Creati.aiの見解

AWSの9月のまとめは、単一モデルの発表というより、エージェントシステムを組み立てて運用しやすくするための協調的な取り組みだ。モデル選択、マネージド実行、ローカルでの意思決定、企業データ同期を重視する姿勢は、現在の本番環境で摩擦が生じる場所が、言語モデルだけでなく周辺システムにあることを反映している。

AIチームにとって機会は選択肢の拡大だが、その代償は評価マトリクスの複雑化である。AWSの主張は何をテストすべきかを示す有用な道筋だが、テストそのものの代わりにはならない。最も恩恵を受けられる購入者は、見出しレベルの性能だけでモデルを選ぶのではなく、実際のワークフローでエンドツーエンドのコスト、信頼性、鮮度、ガバナンスを測定するだろう。