Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Unterstützte Modelle und Regionen für Amazon-Bedrock-Wissensdatenbanken
Amazon Bedrock Knowledge Bases unterstützt Abfragen mit den folgenden Basismodellen:
| Anbieter | Modell | Modell-ID | Unterstützung von Modellen für einzelne Regionen | Unterstützung für regionsübergreifende Inferenzprofile |
|---|---|---|---|---|
| AI21 Labore | Jamba 1.5 Large | ai21.jamba-1-5-large-v1:0 |
us-east-1 |
|
| AI21 Labore | Jamba 1.5 Mini | ai21.jamba-1-5-mini-v1:0 |
us-east-1 |
|
| Amazon | Nova Lite | Amazon. nova-lite-v1:0 |
ap-northeast-1 ap-southeast-2 eu-north-1 eu-west-2 us-east-1 us-gov-west-1 |
ap-northeast-1 ap-northeast-2 ap-south-1 ap-southeast-1 ap-southeast-2 ca-central-1 eu-central-1 eu-north-1 eu-south-1 eu-south-2 eu-west-1 eu-west-3 us-east-1 us-east-2 us-west-2 |
| Amazon | Nova Micro | Amazonas. nova-micro-v1:0 |
ap-southeast-2 eu-west-2 us-east-1 us-gov-west-1 |
ap-northeast-1 ap-northeast-2 ap-south-1 ap-southeast-1 ap-southeast-2 eu-central-1 eu-north-1 eu-south-1 eu-south-2 eu-west-1 eu-west-3 us-east-1 us-east-2 us-west-2 |
| Amazon | Nova Pro | Amazonas. nova-pro-v1:0 |
ap-southeast-2 eu-west-2 us-east-1 us-gov-west-1 |
ap-northeast-1 ap-northeast-2 ap-south-1 ap-southeast-1 ap-southeast-2 eu-central-1 eu-north-1 eu-south-1 eu-south-2 eu-west-1 eu-west-3 us-east-1 us-east-2 us-west-2 |
| Anthropic | Claude 3 Haiku | anthropic.claude-3-haiku-20240307-v1:0 |
ap-northeast-1 ap-northeast-2 ap-south-1 ap-southeast-1 ap-southeast-2 ca-central-1 eu-central-1 eu-central-2 eu-west-1 eu-west-2 eu-west-3 sa-east-1 us-east-1 us-gov-west-1 us-west-2 |
eu-central-1 us-east-2 us-gov-east-1 |
| Anthropic | Claude 3 Sonnet | anthropic.claude-3-Sonett 20240229-v 1:0 |
ap-south-1 ap-southeast-2 ca-central-1 eu-central-1 eu-west-1 eu-west-2 eu-west-3 sa-east-1 us-east-1 us-west-2 |
ap-northeast-1 ap-northeast-2 ap-southeast-1 eu-central-1 |
| Anthropic | Claude 3.5 Haiku | anthropic.claude-3-5-haiku-20241022-v1:0 |
us-west-2 |
us-east-1 us-east-2 |
| Anthropic | Claude 3.5 Sonett | anthropic.claude-3-5-sonnet-20240620-v1:0 |
ap-northeast-1 ap-northeast-2 ap-southeast-1 eu-central-1 eu-central-2 us-east-1 us-gov-west-1 us-west-2 |
ap-south-1 ap-southeast-2 eu-central-1 eu-west-1 eu-west-3 us-east-1 us-east-2 us-gov-east-1 us-west-2 |
| Anthropic | Claude 3.5 Sonnet v2 | anthropic.claude-3-5-sonnet-20241022-v2:0 |
ap-southeast-2 us-west-2 |
ap-northeast-1 ap-northeast-2 ap-northeast-3 ap-south-1 ap-south-2 ap-southeast-1 ap-southeast-2 us-east-1 us-east-2 |
| Anthropic | Claude 3.7 Sonnet | anthropic.claude-3-7-sonnet-20250219-v1:0 |
eu-west-2 us-gov-west-1 |
ap-northeast-1 ap-northeast-2 ap-northeast-3 ap-south-1 ap-south-2 ap-southeast-1 ap-southeast-2 eu-central-1 eu-north-1 eu-west-1 eu-west-3 us-east-1 us-east-2 us-gov-east-1 us-west-2 |
| Anthropic | Claude Opus 4 | anthropic.claude-opus-4-20250514-v1:0 |
us-east-1 us-east-2 us-west-2 |
|
| Anthropic | Claude Sonnet 4 | anthropic.claude-sonnet-4-20250514-v1:0 |
ap-northeast-1 ap-northeast-2 ap-northeast-3 ap-south-1 ap-south-2 ap-southeast-1 ap-southeast-2 eu-central-1 eu-north-1 eu-south-1 eu-south-2 eu-west-1 eu-west-3 us-east-1 us-east-2 us-west-2 |
|
| Anthropic | Claude Sonett 4.5 | anthropic.claude-sonnet-4-5-20250929-v1:0 | – |
ap-northeast-1 ap-northeast-2 ap-northeast-3 ap-south-1 ap-south-2 ap-southeast-1 ap-southeast-2 ca-central-1 eu-central-1 eu-central-2 eu-north-1 eu-south-1 eu-south-2 eu-west-1 eu-west-2 eu-west-3 sa-east-1 us-east-1 us-east-2 us-gov-east-1 us-gov-west-1 us-west-2 |
| Cohere | Command R | zusammenhalten. command-r-v1:0 |
us-east-1 us-west-2 |
|
| Cohere | Command R+ | kohärent. command-r-plus-v1:0 |
us-east-1 us-west-2 |
|
| DeepSeek | DeepSeek-R 1 | deepseek.r1-v1:0 |
us-east-1 us-east-2 us-west-2 |
|
| Meta | Llama 3 70B Instruct | meta.llama 3-70 1:0 b-instruct-v |
ap-south-1 ca-central-1 eu-west-2 us-east-1 us-gov-west-1 us-west-2 |
|
| Meta | Llama 3 8B Instruct | meta.llama 3-8 1:0 b-instruct-v |
ap-south-1 ca-central-1 eu-west-2 us-east-1 us-gov-west-1 us-west-2 |
|
| Meta | Llama 3.1 405B Instruct | meta.lama3-1-405 1:0 b-instruct-v |
us-west-2 |
us-east-2 |
| Meta | Llama 3.1 70B Instruct | meta.lama3-1-70 1:0 b-instruct-v |
us-west-2 |
us-east-1 us-east-2 us-west-2 |
| Meta | Llama 3,1 8B Instruct | meta.lama3-1-8 1:0 b-instruct-v |
us-west-2 |
us-east-1 us-east-2 us-west-2 |
| Meta | Llama 3.2 11B Instruct | meta.lama3-2-11 1:0 b-instruct-v |
us-east-1 us-east-2 us-west-2 |
|
| Meta | Llama 3.2 90B Instruct | meta.lama3-2-90 1:0 b-instruct-v |
us-east-1 us-east-2 us-west-2 |
|
| Meta | Llama 3.3 70B Instruct | meta.lama3-3-70 1:0 b-instruct-v |
us-east-2 |
us-east-1 us-east-2 us-west-2 |
| Mistral AI | Mistral Large (24.02) | mistral.mistral-large-2402-v1:0 |
ap-south-1 ap-southeast-2 ca-central-1 eu-west-1 eu-west-2 eu-west-3 sa-east-1 us-east-1 us-west-2 |
|
| Mistral AI | Mistral Large (24.07) | mistral.mistral-large-2407-v1:0 |
us-west-2 |
|
| Mistral AI | Mistral Small (24.02) | mistral.mistral-small-2402-v1:0 |
us-east-1 |
Amazon-Bedrock-Wissensdatenbanken unterstützen auch die Verwendung von Inferenzprofilen zum Analysieren von Daten oder beim Generieren von Antworten. Mit Inferenzprofilen können Sie Kosten und Metriken verfolgen und auch regionsübergreifende Inferenzen durchführen, um Modellinferenzanfragen auf eine Reihe von Regionen zu verteilen und so einen höheren Durchsatz zu ermöglichen. Sie können ein Inferenzprofil in einer OR-Anfrage angeben. RetrieveAndGenerateCreateDataSource Weitere Informationen finden Sie unter So richten Sie eine Modellaufrufressource mithilfe von Inferenzprofilen ein.
Wichtig
Wenn Sie regionsübergreifende Inferenz verwenden, können Ihre Daten regionsübergreifend gemeinsam genutzt werden.
Sie können auch SageMaker KI-Modelle oder benutzerdefinierte Modelle verwenden, die Sie anhand Ihrer eigenen Daten trainieren.
Anmerkung
Wenn Sie eine SageMaker KI oder ein benutzerdefiniertes Modell verwenden, müssen Sie die Orchestrierungs- und Generierungsaufforderungen angeben (weitere Informationen finden Sie unter Vorlagen für Knowledgebase-Eingabeaufforderungen unter). So konfigurieren Sie Abfragen und die Antwortgenerierung und passen diese an Ihre Prompts müssen Informationsvariablen enthalten, um auf die Eingaben und den Kontext des Benutzers zugreifen zu können.
Der Regions- und Modellsupport unterscheiden sich für einige Features in den Amazon-Bedrock-Wissensdatenbanken. Wählen Sie ein Thema aus, um den Support für ein Feature anzuzeigen:
Themen
Unterstützte Modelle für Vektoreinbettungen
Amazon-Bedrock-Wissensdatenbanken verwenden ein Einbettungsmodell, um Ihre Daten in Vektoreinbettungen zu konvertieren und die Einbettungen in einer Vektordatenbank zu speichern. Weitere Informationen finden Sie unter Umwandlung von Daten in eine Wissensdatenbank.
Amazon Bedrock Knowledge Bases unterstützt Vektoreinbettungen mithilfe der folgenden Basismodelle:
| Anbieter | Modell | Modell-ID | Unterstützung von Modellen für einzelne Regionen |
|---|---|---|---|
| Amazon | Titan Embeddings G1 – Text | Amazon. titan-embed-text-v1 |
ap-northeast-1 eu-central-1 us-east-1 us-west-2 |
| Amazon | Titan Text Embeddings V2 | Amazonas. titan-embed-text-v2:0 |
ap-northeast-1 ap-northeast-2 ap-northeast-3 ap-south-1 ap-south-2 ap-southeast-2 ca-central-1 eu-central-1 eu-central-2 eu-north-1 eu-south-1 eu-south-2 eu-west-1 eu-west-2 eu-west-3 sa-east-1 us-east-1 us-east-2 us-gov-east-1 us-gov-west-1 us-west-2 |
| Cohere | Embed English | zusammenhalten. embed-english-v3 |
ap-northeast-1 ap-south-1 ap-southeast-1 ap-southeast-2 ca-central-1 eu-central-1 eu-west-1 eu-west-2 eu-west-3 sa-east-1 us-east-1 us-west-2 |
| Cohere | Embed Multilingual | zusammenhalten. embed-multilingual-v3 |
ap-northeast-1 ap-south-1 ap-southeast-1 ap-southeast-2 ca-central-1 eu-central-1 eu-west-1 eu-west-2 eu-west-3 sa-east-1 us-east-1 us-west-2 |
Einbettungsmodelle unterstützen die folgenden Vektortypen.
| Modellname | Unterstützter Vektortyp | Unterstützte Anzahl von Dimensionen |
|---|---|---|
| Amazon Titan Embeddings G1 - Text | Gleitkommazahl | 1536 |
| Amazon Titan Text Embeddings V2 | Gleitkommazahl, binär | 256, 512, 1 024 |
| Cohere Embed (English) | Gleitkommazahl, binär | 1024 |
| Cohere Embed (Multilingual) | Gleitkommazahl, binär | 1024 |
| Amazon Titan Multimodal Embeddings G1 | Gleitkommazahl | 1024 |
| Coherev3 (Multimodal) einbetten | Gleitkommazahl, binär | 1024 |
Unterstützte Modelle und Regionen für die Analyse
Bei der Konvertierung von Daten in Vektoreinbettungen haben Sie verschiedene Optionen zum Analysieren Ihrer Daten in Amazon-Bedrock-Wissensdatenbanken. Weitere Informationen finden Sie unter Parsing-Optionen für Ihre Datenquelle.
Im Folgenden ist die Unterstützung für Analyseoptionen aufgeführt:
-
Amazon Bedrock Data Automation wird als Parser in USA West (Oregon) unterstützt. Es befindet sich in der Vorversion und unterliegt Änderungen.
-
Die folgenden Basismodellfamilien können als Parser verwendet werden:
-
Claude-Vision-Modelle
-
Nova-Vision-Modelle
-
LLama 4 Vision-Modelle
Das Parsen von Foundation-Modellen ist in Umgebungen AWS-Region verfügbar, in denen diese Modelle direkt verfügbar sind (nicht durch regionsübergreifende Inferenz). Informationen zur aktuellen Verfügbarkeit der Modelle finden Sie unter Unterstützte Basismodelle in Amazon Bedrock.
-
Unterstützte Modelle und Regionen für die Neuordnung von Ergebnissen während der Abfrage
Beim Abrufen von Abfrageergebnissen einer Wissensdatenbank können Sie ein Reranking-Modell verwenden, um Ergebnisse aus einer Wissensdatenbankabfrage neu zu ordnen. Weitere Informationen erhalten Sie unter Abrufen einer Wissensdatenbank und Datenabruf und So fragen Sie eine Wissensdatenbank ab und generieren Antworten auf Grundlage der abgerufenen Daten.
Eine Liste der Modelle und Regionen, die eine Neuordnung unterstützen, finden Sie unter Unterstützte Regionen und Modelle für das Reranking in Amazon Bedrock.
Unterstützte Regionen für Wissensdatenbanken mit strukturierten Datenspeichern
Wissensdatenbanken mit strukturierten Datenspeichern ermöglichen es Ihnen, Wissensdatenbanken mit strukturierten Datenspeichern zu verbinden und Abfragen in natürlicher Sprache in SQL-Abfragen umzuwandeln. Weitere Informationen finden Sie unter So bauen Sie eine Wissensdatenbank durch eine Verbindung zu einem strukturierten Datenspeicher auf.
Wissensdatenbanken mit strukturierten Datenspeichern sind in den folgenden Bereichen verfügbar: AWS-Regionen
-
Europa (Frankfurt)
-
Europa (Zürich)
-
Europa (Irland)
-
Europa (London)
-
Europa (Paris)
-
Asien-Pazifik (Tokio)
-
Asien-Pazifik (Seoul)
-
Asien-Pazifik (Mumbai)
-
Asien-Pazifik (Singapur)
-
Asien-Pazifik (Sydney)
-
Kanada (Zentral)
-
Südamerika (São Paulo)
-
USA Ost (Nord-Virginia)
-
USA Ost (Ohio)
-
USA West (Oregon)
-
AWSGovCloud (US-West)
