この記事について海外で公開された情報をもとにAIが要約・解説した記事です。原文の翻訳ではありません。正確な内容は記事末尾の出典元をご確認ください。
この記事の要点
  • OpenAIのAstra/Sol/LunaがBedrockで一般提供、Kimi K3やGrok 4.6/4.7も追加
  • AgentCoreランタイムがメモリ効率を改善し、サーバレスエージェントの起動を高速化
  • Strands harnessはトークン使用量を28%削減、Decider 2Bは約115msで判断

9月の発表を総括

AWSがブログで、2026年9月のAI関連アップデートをまとめた。Amazon Bedrockはフロンティアモデルへのアクセス拡大、Amazon Bedrock AgentCoreはエンタープライズエージェント向けのマネージド基盤、Strandsはオープンソースのツールキットとして位置づけられている。AWSは「モデル、ランタイム、ツールの各層で選択肢を提供する」という方針を説明している。

背景として、AWSはモデル性能だけでは判断できなくなっていると指摘する。顧客は用途ごとにコストと効果を比較するようになり、エージェントが企業知識を扱い、長期にわたるタスクを実行し、セキュリティやガバナンスが問われる場面が増えている。関心はモデル単体から、エージェントが参照する文脈や実行する行動、データ管理を含むシステム全体へ移っているという。

エージェント実行基盤の強化

AgentCoreのランタイムが更新され、サーバレスエージェント向けにメモリ管理を効率化し、コールドスタートの遅延を低減した。ピークメモリではなく実際の使用量に応じた従量課金で、事前のキャパシティ確保が不要になるという。アイドル時はセッションがゼロにスケールし、ハードウェア分離された環境で動作するとしている。

Strands harnessは新しいオープンソースのエージェントハーネスで、一般的なハーネスと同等の精度を保ちながらトークン使用量を28%削減すると説明されている。PythonまたはTypeScriptの1行で本番向けエージェントを起動でき、コンテキスト管理、プロンプトキャッシュ、メモリを内蔵する。

Strands Decider 2Bは20億パラメータの小型オープンソース意思決定モデルで、テキストを生成するのではなく、あらかじめ定義された選択肢から選ぶ。ローカルで約115msで回答し、ツール選択やルーティング、ガードレールといったエージェントタスク向けに最適化されている。コード、データ、重みはGitHubとHugging Faceで公開されるとしている。

Bedrockのモデル選択肢

BedrockではOpenAIのAstra、Sol、Lunaが一般提供になった。GPT-6 Astraは最大100万入力トークンを扱うフラッグシップで、複雑な意思決定、文書分析、ソフトウェア開発を想定する。GPT-6 Astra Ultrafastは速度を重視した上位ティアで、APIで最大6倍高速、最大毎秒300トークンをうたう。

Solはコーディングやコンピュータ操作など頻繁に回す業務向け、GPT-6.1 Lunaは抽出・要約・分類・ルーティングといった大量処理向けとされる。ClaudeではFable 5.1、Opus 5.5、Sonnet 5.5が加わり、Sonnet 5.5はSonnet 5比でタスクあたりコスト30%減・速度30%向上としている。

Moonshot AIのKimi K3もBedrockで利用可能になった。Moonshot AIによれば、同社で最も高性能なモデルで、オープンモデルとして初めて2.8兆パラメータに到達したという。100万トークンのコンテキスト窓、ネイティブの視覚対応、プロンプトキャッシュを備え、以前の版より2.5倍高速としている。xAIのGrok 4.6とGrok 4.7は50万トークンのコンテキスト窓を持ち、推論のeffort調整と自己検証に対応する。

企業データ連携の改善

Amazon BedrockのManaged Knowledge Baseには自動同期スケジューリングが加わり、日次・週次・月次で更新を設定できるようになった。ネイティブのデータソースコネクタすべてが対象で、エージェントが最新情報を取得しやすくなる。

SharePoint、OneDrive、Confluenceではユーザー管理の設定が可能になり、必要なアクセス権をすでに持っている場合に、管理者が管理するサービスアカウントへの依存を減らせる。さらにServiceNow、Confluence Data Center、Salesforce、Zendeskがネイティブコネクタとして追加され、データのクロール、メタデータ抽出、増分同期を自動で処理する。独自の取り込みパイプラインを維持する負担を減らす狙いだとしている。

現時点の注意点

今回の内容はAWSのブログによる発表と説明であり、性能やコスト削減の数値は提供元の主張である点には留意したい。第三者による検証結果は記事では示されていない。

提供状況にも差がある。Amazon Bedrock Managed Agents powered by OpenAIはパブリックプレビューであり、一般提供ではない。一方でOpenAIのAstra、Sol、Lunaは一般提供とされている。各機能の対応リージョンや料金の詳細は、今回のブログでは明示されていない。

Bedrockで利用可能になった主な新モデルの比較
モデルコンテキスト長主な特徴
GPT-6 Astra最大100万入力トークン複雑な意思決定・文書分析・ソフト開発向けのフラッグシップ
GPT-6 Astra Ultrafast記載なしAPIで最大6倍高速、最大毎秒300トークン
Kimi K3100万トークン初のオープンモデルで2.8兆パラメータ。ネイティブの視覚対応
Grok 4.6 / 4.750万トークン推論effortの調整と自己検証に対応
原文からの引用
Strands harness is a new open source agent harness that matches popular harnesses on accuracy while using 28 percent fewer tokens.

Strands harnessは新しいオープンソースのエージェントハーネスで、一般的なハーネスと同等の精度を保ちながら、トークン使用量を28%削減する。

今後の見通し

今後は、パブリックプレビュー中のAmazon Bedrock Managed Agents powered by OpenAIが一般提供へ移るか、対応リージョンや料金がどこまで明らかになるかが焦点になるとみられる。Strands harnessの「トークン28%削減」やKimi K3の「2.5倍高速」といった数値は提供元の説明であり、第三者のベンチマークで再現されるかを見極めたい。AgentCoreのコールドスタート短縮も、実ワークロードで速度とコストにどう表れるかが判断材料になる。日本の企業としては、自社データの保管先やガバナンス要件と照らし合わせ、利用可能なリージョンが示された時点で検討を始めるのが現実的だろう。

日本の開発者・IT企業にとっての意味

日本のIT企業にとって、この更新は「どのモデルをどこで動かすか」の選択肢が増えることを意味する。すでにAWSを使っている企業は、IAMやCloudTrailといった既存の統制の枠内でOpenAI系モデルを試せる可能性があり、統制の作り直しを避けられる余地がある。AgentCoreの従量課金とアイドル時のゼロスケールは、PoCから本番へ移す際の固定費を抑えたい開発者に向く。Strands harnessのトークン28%削減は、エージェントを大量に走らせるほどコスト差が効いてくる。一方、プレビュー段階の機能やリージョン・料金の不明点は多く、導入判断は自社の要件と提供状況を突き合わせてから行うのが現実的だ。

気になる点

日本国内のリージョンでも、これらのモデルや機能は使えますか。
今回のブログでは対応リージョンが明示されていないため、現時点では判断できません。一般提供とされているモデルでも、導入前にBedrockのリージョン別の提供状況を確認する必要があります。
AgentCoreの従量課金は具体的にいくらですか。
原文では価格の具体額は示されていません。AgentCoreランタイムはピークメモリではなく実際の使用量に応じた従量課金で、アイドル時はゼロにスケールすると説明されていますが、単価そのものは公表されていません。
Strands harnessのトークン28%削減は、何と比べた数字ですか。
原文では「人気のあるハーネスと同等の精度でトークン使用量を28%削減」と説明されており、特定の1製品との比較ではなく、一般的なハーネス群との比較と読めます。測定条件の詳細は示されていないため、自社の用途での再確認が確実です。

用語解説

エージェントハーネス
AIエージェントを動かす土台となるソフトウェア。モデルへの指示、道具の呼び出し、記憶の管理などをまとめて受け持つ。
コールドスタート
サーバレス環境で、リクエストが来てから実行環境が起動し処理を始めるまでの待ち時間。
プロンプトキャッシュ
同じ入力の一部を再利用して計算を省き、応答を速く・安くする仕組み。
コンテキスト窓
モデルが一度に参照できるトークン(文字や単語の単位)の最大量。大きいほど長い文書を扱える。
パラメータ
モデル内部の調整可能な数値。一般に多いほど表現力が高いとされるが、計算資源も必要になる。

出典

ICYMI: What landed for AI builders in September 2026

Amazon Web Services / Prachi Mishra / 2026年10月10日

https://aws.amazon.com/blogs/machine-learning/icymi-what-landed-for-ai-builders-in-september-2026

AI導入も顧問も、お任せください

何から手をつけるか、どこまでAIに任せるか。自社の業務に合わせて整理し、導入から運用まで伴走します。相談だけでも構いません。

AI導入について相談する