翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

グローバルクロスリージョン推論

グローバルクロスリージョン推論は、クロスリージョン推論を地理的境界を超えて拡張し、サポートされている AWS リージョン 世界中の商用 への推論リクエストのルーティングを可能にします。

グローバルクロスリージョン推論の利点

Anthropic Claude Sonnet 4.5 モデルのグローバルクロスリージョン推論では、地理的クロスリージョン推論プロファイルよりも次の利点があります。

グローバルクロスリージョン推論に関する考慮事項

グローバルクロスリージョン推論に関する次の情報に注意してください。

グローバルクロスリージョン推論の IAM ポリシー要件

ユーザーのグローバルクロスリージョン推論を有効にするには、ロールに 3 つの IAM ポリシーを適用する必要があります。以下は、きめ細かな制御を提供する IAM ポリシーの例です。サンプルポリシー<REQUESTING REGION>の を、運用 AWS リージョン している に置き換えることができます。

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Sid": "GrantGlobalCrisInferenceProfileRegionAccess",
            "Effect": "Allow",
            "Action": "bedrock:InvokeModel",
            "Resource": [
                "arn:aws:bedrock:<REQUESTING REGION>:<ACCOUNT>:inference-profile/global.<MODEL NAME>"
            ],
            "Condition": {
                "StringEquals": {
                    "aws:RequestedRegion": "<REQUESTING REGION>"
                }
            }
        },
        {
            "Sid": "GrantGlobalCrisInferenceProfileInRegionModelAccess",
            "Effect": "Allow",
            "Action": "bedrock:InvokeModel",
            "Resource": [
                "arn:aws:bedrock:<REQUESTING REGION>::foundation-model/<MODEL NAME>"
            ],
            "Condition": {
                "StringEquals": {
                    "aws:RequestedRegion": "<REQUESTING REGION>",
                    "bedrock:InferenceProfileArn": "arn:aws:bedrock:<REQUESTING REGION>:<ACCOUNT>:inference-profile/global.<MODEL NAME>"
                }
            }
        },
        {
            "Sid": "GrantGlobalCrisInferenceProfileGlobalModelAccess",
            "Effect": "Allow",
            "Action": "bedrock:InvokeModel",
            "Resource": [
                "arn:aws:bedrock:::foundation-model/<MODEL NAME>"
            ],
            "Condition": {
                "StringEquals": {
                    "aws:RequestedRegion": "unspecified",
                    "bedrock:InferenceProfileArn": "arn:aws:bedrock:<REQUESTING REGION>:<ACCOUNT>:inference-profile/global.<MODEL NAME>"
                }
            }
        }
    ]
}

ポリシーの最初の部分では、 リクエストのリージョン推論プロファイルへのアクセスを許可します AWS リージョン。2 番目のパートでは、リージョン FM リソースへのアクセスを提供します。3 番目のパートでは、クロスリージョンルーティング機能を有効にするグローバル FM リソースへのアクセスを許可します。

これらのポリシーを実装するときは、IAM ステートメントに 3 つのリソース Amazon リソースネーム (ARNs) をすべて含めます。

グローバル FM ARN には AWS リージョン または アカウントが指定されていません。これは意図的で、クロスリージョン機能に必要です。

グローバルクロスリージョン推論を無効にする

2 つの主要なアプローチから選択して、特定の IAM ロールのグローバル CRIS に拒否ポリシーを実装できます。それぞれのユースケースと影響は異なります。

拒否ポリシーを実装するときは、グローバル CRIS がaws:RequestedRegionフィールドの動作を変更することを理解することが重要です。などの特定の AWS リージョン 名前StringEqualsの条件を使用する従来の AWS リージョンベースの拒否ポリシー"aws:RequestedRegion": "us-west-2"は、グローバル CRIS では期待どおりに機能しません。サービスは、このフィールドを実際の送信先globalではなく に設定します AWS リージョン。ただし、前述のように、 "aws:RequestedRegion": "unspecified" は拒否効果をもたらします。

グローバルクロスリージョン推論のサービスコントロールポリシーの要件

グローバルクロスリージョン推論の場合、組織のセキュリティポリシーで SCPs を使用して未使用のリージョンをブロックする場合は、リージョン固有の SCP 条件を更新して、 によるアクセスを許可する必要があります"aws:RequestedRegion": "unspecified"。この条件は Amazon Bedrock Global クロスリージョン推論に固有であり、サポートされているすべての AWS 商用リージョンにリクエストをルーティングできます。

次の SCP の例では、 をグローバルルーティングのリージョン"unspecified"として使用する Amazon Bedrock Global Cross-Region Inference コールを許可しながら、承認されたリージョン以外のすべての AWS API コールをブロックします。

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Sid": "DenyAllOutsideApprovedRegions",
            "Effect": "Deny",
            "Action": "*",
            "Resource": "*",
            "Condition": {
                "StringNotEquals": {
                    "aws:RequestedRegion": [
                        "us-east-1",
                        "us-east-2",
                        "us-west-2",
                        "unspecified"
                    ]
                }
            }
        }
    ]
}

グローバルクロスリージョン推論を無効にする

データレジデンシーまたはコンプライアンス要件を持つ組織は、リクエストがサポートされている他の AWS 商用リージョンで処理される可能性があるため、グローバルクロスリージョン推論がコンプライアンスフレームワークに適合するかどうかを評価する必要があります。グローバルクロスリージョン推論を明示的に無効にするには、次の SCP ポリシーを実装します。

{
    "Effect": "Deny",
    "Action": "bedrock:*",
    "Resource": "*",
    "Condition": {
        "StringEquals": {
            "aws:RequestedRegion": "unspecified"
        },
        "ArnLike": {
            "bedrock:InferenceProfileArn": "arn:aws:bedrock:*:*:inference-profile/global.*"
        }
    }
}

この SCP はグローバルクロスリージョン推論を明示的に拒否します。これは、 "aws:RequestedRegion"が "unspecified"であり、"ArnLike"条件が ARN の global プレフィックスを持つ推論プロファイルをターゲットにしているためです。

AWS Control Tower の実装

AWS Control Tower が管理する SCPs を手動で編集することは、ドリフトを引き起こす可能性があるため、強くお勧めしません。代わりに、Control Tower が提供するメカニズムを使用してこれらの例外を管理します。コア原則には、既存のリージョン拒否コントロールを拡張するか、リージョンを有効にしてから、カスタムの条件付きブロッキングポリシーを適用することが含まれます。

Control Tower を使用したクロスリージョン推論の実装に関する詳細なstep-by-stepについては、ブログ記事「マルチアカウント環境で Amazon Bedrock クロスリージョン推論を有効にする」を参照してください。これには、既存のリージョン拒否 SCPs を拡張し、カスタム SCPs で拒否されたリージョンを有効にし、Customizations for AWS Control Tower (CfCT) を使用してカスタム SCPs としてデプロイすることが含まれます。

グローバルクロスリージョン推論のリクエスト制限の引き上げ

グローバル CRIS 推論プロファイルを使用する場合、20 を超えるサポートされているソースからグローバル CRIS を使用できます AWS リージョン。これはグローバル制限です。グローバルクロスリージョン推論プロファイルのクォータを表示、管理、または引き上げるには、リクエストされたソースで Service Quotas コンソールまたは AWS CLI を使用します AWS リージョン。

制限の引き上げをリクエストするには、次の手順を実行します。

必要なクォータの引き上げを計算するときは、バーンダウン率を考慮してください。バーンダウンレートは、入力トークンと出力トークンがスロットリングシステムのトークンクォータ使用量に変換されるレートです。次のモデルでは、出力トークンのバーンダウン率が 5 倍です (1 つの出力トークンはクォータから 5 つのトークンを消費します)。

他のすべてのモデルの場合、バーンダウンレートは 1:1 になります (1 つの出力トークンはクォータから 1 つのトークンを消費します)。入力トークンの場合、トークンとクォータの比率は 1:1 です。リクエストあたりのトークンの合計数の計算は次のとおりです。

Input token count + Cache write input tokens + (Output token count x Burndown rate)

グローバルクロスリージョン推論を使用する

Anthropic の Claude Sonnet 4.5 でグローバルクロスリージョン推論を使用するには、デベロッパーが以下の主要なステップを完了する必要があります。

グローバルクロスリージョン推論は、以下に対してサポートされています。

グローバルクロスリージョン推論を実装する

Anthropic の Claude Sonnet 4.5 を使用したグローバルクロスリージョン推論の実装は簡単で、既存のアプリケーションコードにわずかな変更を加えるだけで済みます。以下は、Python でコードを更新する方法の例です。

import boto3
import json
bedrock = boto3.client('bedrock-runtime', region_name='us-east-1')
model_id = "global.anthropic.claude-sonnet-4-5-20250929-v1:0"  
response = bedrock.converse(
    messages=[{"role": "user", "content": [{"text": "Explain cloud computing in 2 sentences."}]}],
    modelId=model_id,
)

print("Response:", response['output']['message']['content'][0]['text'])
print("Token usage:", response['usage'])
print("Total tokens:", response['usage']['totalTokens'])