AWS em outubro: Haiku 5.5 75% mais barato, fallback de modelos e sandbox para agentes

Rodar um único agente em produção não é difícil. O problema é quando são dezenas: os modelos batem nos limites, as contas crescem e, de repente, um agente vai para onde ninguém o chamou. O resumo de outubro da AWS trata quase inteiramente desses problemas. A seguir, o que vale a atenção de um desenvolvedor ou product manager. Os dados vêm de declarações da AWS e dos fornecedores; o material não traz medições independentes.

Modelos conforme a tarefa e o orçamento

A ideia central do mês: não passar tudo por um único modelo de ponta. O Claude Haiku 5.5 foi feito para subagentes e tarefas em massa. Segundo a Anthropic, ele é cerca de 75% mais barato que o Haiku 4.5 na maioria das tarefas. É o primeiro Haiku com ajuste de effort: dá para escolher quanto pagar pela profundidade de raciocínio em cada requisição.

O esquema típico é este: o Claude Opus 5.5 planeja o trabalho, e o Haiku executa as partes bem delimitadas: código, chamadas de ferramentas, automação no navegador. Rodar muitos agentes em paralelo continua barato.

O GPT-6.1 Terra ficou disponível de forma geral no Bedrock. No benchmark interno da OpenAI, o Agents' Last Exam, ele é comparável ao GPT-6 Astra, mas resolve as tarefas mais de três vezes mais rápido. Os preços dos tokens de entrada e saída são pelo menos 50% menores que os do GPT-6.1 Sol e do GPT-5.6 Terra. O contexto chega a 1 milhão de tokens, com texto e imagens.

Para voz, há o Amazon Nova 2.5 Sonic: o modelo raciocina melhor e chama ferramentas com mais precisão, com o mesmo preço. Um agente de suporte consegue, numa só conversa, localizar um pedido, verificar se o reembolso é possível e efetuá-lo.

Confiabilidade: fallback, workflow e JSON

O mais útil para produção foi o AgentCore Gateway. Agora ele aceita chamadas InvokeModel do Bedrock e oferece model fallback. Se o modelo principal estiver limitado por cotas ou indisponível, a requisição segue para o próximo modelo ou provedor da cadeia que você definiu. O circuit breaker pula os pontos que não funcionam. Basta apontar para o gateway o código existente que usa o SDK do Bedrock; não é preciso escrever retries em cada cliente.

A segunda novidade importante: Step Functions como ferramentas do agente. Um processo de negócio, como um reembolso, permanece no workflow que você já opera. O agente decide quando acioná-lo, enquanto a verificação do direito ao reembolso, a aprovação e o crédito são executados estritamente conforme os seus passos, e não conforme o modelo entendeu o prompt.

As respostas estruturadas agora estão disponíveis para todos os modelos Claude no Bedrock: JSON conforme um schema, sem parsing caseiro nem repetições. A busca na web ganhou filtros de domínio (até 100 permitidos e até 100 bloqueados) e vínculo com a região. O Guardrails verifica se a resposta não diverge das fontes. O novo nível Standard de verificações custa o mesmo que o Classic, mas cobre respostas conversacionais e de raciocínio e mais idiomas.

Dinheiro e Strands

A memória do AgentCore agora é cobrada pelo volume de dados, e não por um preço fixo por evento. Os cenários com payloads pequenos são os que mais ganham. Para a memória de longo prazo, é possível definir um TTL. No Cost Explorer e no Budgets, os gastos com o Bedrock são detalhados por modelo, provedor, tipo de inferência e função, sem custo adicional. Dá para configurar um alerta de orçamento para um único modelo.

No Strands, o toolkit aberto para agentes, o destaque é o Strands Box em developer preview. É um sandbox local com isolamento em nível de sistema operacional e políticas por ferramenta. Elas funcionam tanto em chamadas diretas quanto via MCP e na geração de código. O Strands Evals ganhou red teaming: prompt injections e jailbreaks são executados contra o seu agente, e dá para ver em qual mensagem ele quebrou. O Strands Decider, um modelo pequeno baseado no Gemma 4, escolhe entre opções predefinidas em vez de gerar texto. Em um sistema interno de tickets da Amazon, a estimativa de custo por ticket caiu cerca de 98%, e o tempo de resposta, 78%.

O que fazer com isso

Este é um resumo de fornecedor, então vale conferir os números nas suas próprias cargas. A maior parte das funções está atrelada ao ecossistema da AWS. Mas o conjunto de soluções é universal. Divida o planejamento e a execução entre um modelo caro e um barato. Tire os processos críticos dos prompts e leve-os para workflows determinísticos. Configure o fallback antes do primeiro incidente. Ative o detalhamento de gastos por modelo antes que a conta vire uma surpresa.