AWS 发布 Bedrock 成本管理指南：五步控费

时间：2026年10月30日（美西时间，北京时间10月31日06:42）。AWS 在人工智能博客发布《Managing Amazon Bedrock costs end to end: A playbook for FinOps and platform teams》，作者为 Aswath Ram A Srinivasan、Ajit Mahareddy、Aamna Najmi 和 Benedict Augustine，栏目归类为 Technical How-to。 地点：美国（AWS 官方博客，面向在 Amazon Bedrock 上运行模型的企业 FinOps 团队与平台工程团队）。 人物：AWS 机器学习博客作者团队 Aswath Ram A Srinivasan、Ajit Mahareddy、Aamna Najmi、Benedict Augustine。 事件详情：文章的核心判断是，生成式 AI 的成本管理是架构与运营问题，换一个更便宜的模型、让业务方缩短提示词，都答不上财务和工程负责人真正关心的三个问题：钱是谁花的、花在哪个工作负载、是否在预算内。作者给出的是一套五阶段闭环运营模型：归因、可观测、强制、优化、复盘，FinOps 负责归因与复盘，平台工程负责中间三步，顺序不可跳，越过归因和可观测直接做优化等于猜。归因环节的基础是 Amazon Bedrock 的粒度成本归因能力，Bedrock 自动把推理成本记到发起调用的 IAM 主体身上，调用方 ARN 出现在 AWS Cost and Usage Report（CUR）2.0 的 line_item_iam_principal 列，覆盖 IAM 用户、角色、联合身份和 API key；接入共四步，在 CUR 2.0 导出中打开 IAM 主体数据，用 team、application、costCenter 等业务维度给 IAM 主体打标签并通过 OIDC 或 SAML 把会话名与标签透传，用 UpdateCostAllocationTagsStatus API 激活成本分配标签，之后标签以 iamPrincipal/ 前缀出现在 CUR 2.0，并在 24 到 48 小时内出现在 Cost Explorer 的 IAM 分类下，可按团队、应用、成本中心筛选分组。文章点名了共享角色问题：LLM 网关用单一 IAM 角色调用 Bedrock，所有开销会归到同一个角色，按用户的可见性直接消失；解法是按用户做会话管理，网关每个用户每小时调用一次 sts:AssumeRole、凭证缓存最多一小时，把用户身份作为 role session name、用户属性作为 session tags 传进去，得到形如 assumed-role/BedrockRuntimeRole/gw-alex 的条目；另两条归因路径是按应用、模型、区域预建并携带成本分配标签的应用推理配置，以及挂在 bedrock-mantle 端点、覆盖 Responses API 与 Chat Completions API、可跨模型使用的 Projects 与 workspaces，后者适合把 OpenAI 兼容负载的成本归到项目标签上。可观测环节依赖模型调用日志，可把请求、响应与元数据写入 Amazon CloudWatch Logs 或 Amazon S3，成本与用量报告的归因约滞后 24 小时，而日志加 OpenTelemetry 能把按开发者维度的花费看板缩短到分钟级；每次调用还可以带 requestMetadata 标注 application、workflow、tenant、agent，平台方应在共享 SDK 或网关层统一注入，并把元数据覆盖率当作平台健康指标。预算强制分三档，Tier 1 只监控告警，用 AWS Budgets 做阈值提醒、不阻断推理调用，适合早期接入；Tier 2 用一个 AWS Lambda 函数从调用日志汇总每用户 token 与金额计数并存进 Amazon DynamoDB，超阈值就把该用户身份加入共享的 IAM deny 策略、拒绝 bedrock:*，直到月度重置或管理员放开，这一层完全跑在 IAM 与调用日志上、不在推理链路里塞第三方组件，但属于异步生效，策略更新后要几秒到几分钟才拦得住；Tier 3 把网关放进推理数据路径做同步阻断，超限直接返回 HTTP 429，亚秒级生效，还能做按用户模型白名单、token 速率限制和集中式路由规则，对 Claude Code 与 Claude Desktop 集群，官方推荐 Claude apps gateway for AWS，它内嵌在 CLI 二进制里，以单一无状态容器加 PostgreSQL 运行，提供 OIDC 身份、集中策略、OpenTelemetry 遥测、多区域 Bedrock 路由以及按用户、团队或组织设置的支出上限；选哪一档主要看开发者是否绕过网关直连 Bedrock，以及花钱速度。优化环节的两根杠杆都由平台掌握：模型路由上，常规补全、代码检查建议、小重构可以下沉到更便宜的小模型，把质量留给复杂推理，在以样板代码为主的 Agent 编码场景，超过一半调用落到更便宜模型是可争取的目标；提示缓存方面，按 2026 年 10 月公布的 Amazon Bedrock 定价，Anthropic Claude 模型在美国东部弗吉尼亚区域的缓存写入按基础输入价的 1.25 倍计费、1 小时 TTL 为 2 倍，缓存读取在 Claude Sonnet 4.6 和 Claude Haiku 4.5 上为基础输入价的 0.1 倍、在 Claude Sonnet 5.5 和 Claude Opus 5.5 上为 0.05 倍，稳定前缀复用十次时总成本约为不缓存的五分之一（0.1 倍读取约 22%，0.05 倍约 17%），只有写入后再也不读才亏，5 分钟 TTL 多付 25%、1 小时 TTL 多付一倍。复盘环节只盯四个信号：模型占比、失败请求率、缓存读取与写入之比、元数据覆盖率，其中失败请求率值得单看，客户端超时但服务端已完成的重试可能计费两次。 背景：生成式 AI 的账单结构和传统云服务不一样。对话式助手通常每个用户回合只发起一次模型调用，而 Agent 工作流（规划改动、读文件、调工具、迭代）每个任务要发起多次调用且每次携带更大上下文，token 消耗随授予的自主度和上下文规模增长，而不是随用户交互次数线性增长，所以行业里公布的平均单价替代不了自己的数据。归因能力本身也不是这次才有，AWS 在 2026 年 4 月 17 日就发布过 Amazon Bedrock 的粒度成本归因，这次是把归因、可观测、强制、优化、复盘串成完整运营闭环，并给出三档预算强制的可落地方案；AWS 的 Well-Architected Agentic AI Lens 已把 Agent 成本治理列为一级架构关注点，官方给 Claude Code 与 Claude Desktop 集群准备的 Claude apps gateway for AWS 也早在 2026 年 7 月 8 日就已发布。需求端的压力同样具体，AWS 韩国 AI 业务负责人 Kim Gi-wan 在 10 月 23 日首尔 AWS AI Wave 2026 大会上表示，全球 token 用量 9 月已是 1 月的 14 倍，今年 2 月以来 Agent 消耗的 token 已超过人直接消耗的 token，并把 token economics 列为下一年度 AI 市场的首要议题；独立咨询公司 UTurn Data Solutions 10 月 20 日撰文称，Uber 在四个月内花完了 2026 全年 AI 预算，随后把 AI 编程工具限额压到每人每月 1500 美元，并指出传统云成本管理的六项实践中有四项在推理开销上直接失效。 影响：对在 Bedrock 上跑 Agent 的团队，这套运营模型把成本治理从让每个业务方自己省着用，改成平台级默认设置加预算强制：按 IAM 主体归因让哪个团队花了钱可以直接从账单查，缓存读取 0.05 至 0.1 倍、写入 1.25 倍这组数字可以直接拿去算账，网关层同步返回 HTTP 429 是防单点超支最硬的一档。对国内团队同样有参考价值，多模型平台（火山引擎、阿里云百炼、腾讯云混元）面对的是同一个 token 成本失控问题，按子账号或 API key 归因、按路由把常规任务下沉到小模型、用缓存读写倍率差做成本模型，都是可以照搬的做法。风险也很清楚：IAM deny 是异步生效，几秒到几分钟的窗口足够烧掉预算；元数据覆盖率一低，所有归因和排行数字都会失真；缓存倍率随模型与区域变化，把倍率硬写进预算模型容易踩空。 总结：这是一篇 how-to 文档而不是产品发布公告，但它给出的东西相当硬：Bedrock 成本管理的五阶段闭环（归因、可观测、强制、优化、复盘）、三档预算强制的取舍（告警、IAM 异步拦截、网关同步返回 429），以及一组能直接拿去算账的缓存倍率（写入 1.25 倍、读取 0.05 至 0.1 倍）。对正在把 Agent 放进生产的团队，它的价值在于把账单看不懂和账单超支拆成了可执行的基础设施动作，先把每一美元挂到人和项目上，再把每次调用记录下来，然后才谈省钱。文档里那句判断值得记住：成本管理是架构和运营问题，不是换个更便宜模型的问题。 常见问题： 问：AWS Bedrock的token费用怎么算？ 答：主要看token消耗，消耗随工作流的自主度和上下文规模增长，不是按用户交互次数线性算；Agent工作流每个任务会多次调用模型并携带更大上下文。 问：AWS Bedrock怎么降成本？ 答：先按IAM主体把开销归因到人和项目，再把每次调用记进日志，然后按需用预算强制拦截；再往下用智能提示路由把常规任务下沉到小模型，并利用缓存读写倍率差。 参考来源： AWS 官方博客：Managing Amazon Bedrock costs end to end: A playbook for FinOps and platform teams https://aws.amazon.com/blogs/machine-learning/managing-amazon-bedrock-costs-end-to-end-a-playbook-for-finops-and-platform-teams/ AWS 官方博客：Introducing granular cost attribution for Amazon Bedrock https://aws.amazon.com/blogs/machine-learning/introducing-granular-cost-attribution-for-amazon-bedrock/ AWS 官方文档：IAM principal attribution（按 IAM 主体归因推理成本） https://docs.aws.amazon.com/bedrock/latest/userguide/cost-mgmt-iam-principal-tracking.html AWS 官方文档：Cost management with Amazon Bedrock best practices https://docs.aws.amazon.com/bedrock/latest/userguide/cost-mgmt-best-practices.html AWS 官方文档：Manage AI costs with Amazon Bedrock Projects https://docs.aws.amazon.com/bedrock/latest/userguide/cost-mgmt-projects.html AWS 官方博客（中文版）：Introducing Claude apps gateway for AWS https://aws.amazon.com/cn/blogs/machine-learning/introducing-claude-apps-gateway-for-aws/ Anthropic 官方文档：Claude apps gateway spend limits https://code.claude.com/docs/en/claude-apps-gateway-spend-limits CHOSUNBIZ：AWS spotlights token economics as AI agents drive Korea's ROI race https://prod.biz.chosun.com/en/en-it/2026/10/23/C23CFIAYCJACTGRDAZFR22BEKM/ UTurn Data Solutions：FinOps in the AI Era: Why Your Cloud Cost Playbook Breaks on Consumption Pricing https://www.uturndata.com/insights/finops-in-the-ai-era-cloud-cost-playbook-breaks GitHub aws-samples：sample-bedrock-spend-enforcement（按 IAM 标签强制预算的示例实现） https://github.com/aws-samples/sample-bedrock-spend-enforcement