AWS gör OpenAI GPT-5.6 tillgängligt i över 25 regioner via Bedrock

Sol, Terra eller Luna – vilken modell passar vilket jobb?

De tre modellerna är inte bara olika namn på samma nivå. AWS positionerar dem för tydligt skilda typer av arbetslaster.

GPT-5.6 Sol: högsta kapacitet

Sol är familjens mest kapabla modell. AWS riktar den mot bland annat autonom kodning, säkerhetsforskning, vetenskaplig analys och avancerat resonemang i flera steg. Den passar bäst när problemlösningsförmåga väger tyngre än lägsta möjliga kostnad eller svarstid.

GPT-5.6 Terra: balanserad produktion

Terra är tänkt för generella produktionsapplikationer där team behöver en avvägning mellan resonemangsförmåga, prestanda och kostnad. Det är ett rimligt mellanläge för den som behöver mer kapacitet än en snabb högvolymmodell, men inte vill använda toppmodellen för varje förfrågan.

GPT-5.6 Luna: snabb och kostnadseffektiv skala

Luna är byggd för svarstidskänsliga arbetslaster med stora volymer, exempelvis klassificering, sammanfattning och routing. Den lämpar sig därför bättre för många återkommande och avgränsade anrop än för långvariga autonoma uppgifter eller avancerad forskning.

AWS har dessutom sänkt priserna för GPT-5.6 påtagligt från och med den 30 juli. On-demand-priset för Luna sänktes med 80 procent och priset för Terra med 20 procent.

Gemensamma gränssnitt och lång kontext

GPT-5.6-familjen är utformad för att passa in i ett gemensamt integrationsmönster i Bedrock. Enligt AWS stöder modellerna text- och bildindata, streaming, OpenAI Responses API, Chat Completions API och Bedrock Converse. Utvecklare som använder OpenAI SDK kan rikta applikationen mot Bedrocks OpenAI-kompatibla endpoint och ange ett ID för en inference profile för routingen.

Familjen är också relevant för arbetslaster med mycket stora kontextfönster. AWS dokumentation för GPT-5.6 Sol anger ett kontextfönster på 1 miljon token, utöver ett kortare alternativ på 272 000 token. Team bör kontrollera vilken konfiguration och aktuell prissättning som gäller för den specifika modellen och inference-profilen.

Så fungerar geografisk och global routing

Den viktigaste operativa skillnaden syns i prefixet för inference-profilen.

Geografiska profiler

En geografisk profil, exempelvis us., begränsar routingen till det geografiska område som profilen definierar. Det ger tydligare kontroll över var databehandlingen sker, men innebär samtidigt en mindre kapacitetspool än global routing.

AWS har även lagt till Indien-specifika Terra- och Luna-profiler som omfattar regionerna Mumbai och Hyderabad. För organisationer med krav på behandling inom Indien ger dessa profiler ett mer avgränsat alternativ än en global profil.

Globala profiler

En global.-profil kan, beroende på tillgänglig kapacitet, skicka förfrågningar till alla stödda kommersiella AWS-regioner. AWS uppger att global routing har en cirka 10 procent lägre kostnad per token än motsvarande geografiska alternativ. Nackdelen är att profilen inte passar när applikationen måste hålla databehandlingen inom ett fast geografiskt område.

I praktiken blir valet därför:

• Välj en geografisk profil när krav på datalokalitet eller lagring inom ett bestämt område inte är förhandlingsbara.
• Välj en global profil när en större kapacitetspool, potentiellt högre genomströmning och den angivna prisfördelen är viktigast.
• Kontrollera alltid destinationskartan och tjänstekvoterna. Cross-Region inference är inte ett löfte om en viss svarstid eller obegränsad kapacitet.

Hur beskedet passar in i GPT-5.6-lanseringen

GPT-5.6 Sol, Terra och Luna blev allmänt tillgängliga i Amazon Bedrock i juli. AWS beskrev redan då samma tredelade modellfamilj: Sol för komplext resonemang och agentbaserad kodning, Terra för balanserade produktionsarbetslaster och Luna för snabb, kostnadseffektiv inferens.

Augustibeskedet förändrar framför allt den operativa sidan av tillgängligheten. Det följer efter andra GPT-5.6-uppdateringar, bland annat prisförändringarna och stödet för längre kontextfönster.

AWS meddelade också i augusti att Daybreak blev tillgängligt för kvalificerade kunder. Daybreak Blue ger tillgång till GPT-5.6 Sol med skyddsåtgärder anpassade för defensivt cybersäkerhetsarbete, medan Daybreak Red ger tillgång till den särskilt tränade modellen GPT-5.6 Cyber. Enligt det ursprungliga beskedet krävs behörighet och registrering via OpenAI:s Trusted Access for Cyber-program.

Styrning och infrastruktur

Bedrock-distributioner använder AWS:s identitets- och granskningskontroller. IAM styr åtkomst, medan CloudTrail registrerar åtgärder som utförs av användare, roller och AWS-tjänster för drift, riskgranskning och styrning.

Den kontrollen är separat från själva routingbeslutet. IAM och loggning kan hjälpa organisationer att se vem som anropade en modell och hur arbetslasten hanteras, medan geografiska eller globala inference-profiler avgör var Bedrock får behandla förfrågan. Företag behöver fortfarande utvärdera sina egna krav på kryptering, åtkomstpolicyer, loggning och datalokalitet.

Beskedet kom samtidigt som en större berättelse om AI-infrastruktur tog form. NVIDIA uppgav den 20 augusti att de första Vera Rubin-racken drev OpenAI:s träningsstack. Det är ett samtida företagsuttalande, inte en oberoende granskad redogörelse, men det ligger i linje med den tidigare offentliggjorda planen att OpenAI ska använda NVIDIA-system för nästa generations AI-infrastruktur.

Slutsats

AWS:s uppdatering den 20 augusti gör GPT-5.6 mer praktiskt användbart för organisationer som redan bygger på Bedrock: Sol, Terra och Luna kan nu användas med cross-Region inference i fler än 25 regioner, genom gränssnitt som utvecklare redan känner till från OpenAI och AWS.

Det centrala beslutet är därför inte bara vilken modell som är starkast. Sol är valet för svårt resonemang och agentbaserade uppgifter, Terra för balanserade produktionsapplikationer och Luna för snabb, ekonomisk inferens i stora volymer. Minst lika viktigt är routingvalet: geografiska profiler prioriterar definierade datagränser, medan globala profiler prioriterar flexibilitet i kapacitet och AWS:s angivna rabatt per token.