亚马逊云科技深化AI生态战略：国产大模型Qwen3与DeepSeek-V3.1全面接入Amazon Bedrock平台

在人工智能领域，亚马逊云科技始终坚持其独特策略，将模型的选择权充分赋予用户。

作为云计算行业的领军者，亚马逊云科技近期再次扩展其AI模型库，引入了新的顶尖模型。

就在上月，亚马逊云科技正式宣布，其核心AI服务平台Amazon Bedrock与Amazon SageMaker开始全面兼容OpenAI最新发布的开源模型。

今日，业界再度传来重磅消息：两款表现卓越的国产大型模型 Qwen3 与 DeepSeek-V3.1 也已成功集成至亚马逊云科技的Amazon Bedrock平台。

目前，这两款模型已在Amazon Bedrock的全球多个区域上线提供服务，覆盖区域包括美国西部（俄勒冈）、亚太地区（孟买、东京）以及欧洲（伦敦、斯德哥尔摩）等。

这一系列快速集成新模型的举措，充分彰显了亚马逊云科技在全球人工智能竞争中的敏锐洞察与高效执行力。无论是来自Meta、Mistral AI和OpenAI等国际机构的先进开放模型，还是国内优秀的开源模型，亚马逊云科技都力求在第一时间将其纳入自身生态系统，为全球开发者与企业用户提供了前所未有的广泛模型选择。

这也完美诠释了亚马逊云科技长期秉持的「Choice Matters（选择至关重要）」核心战略：没有任何单一的大模型能够应对所有复杂问题，唯有通过多种模型的优势互补与协同工作，才能让人工智能技术真正满足现实世界多元化的需求。

此外，用户高度关注的模型数据安全问题，在亚马逊云科技平台上也得到了坚实保障：客户对其自身数据拥有绝对控制权，亚马逊云科技不会将模型的输入与输出数据与模型供应商共享，也不会利用这些数据来优化基础模型。

两大领先国产模型正式入驻 Amazon Bedrock

随着Qwen3和DeepSeek-V3.1这两款国产AI模型的正式发布并入驻，Amazon Bedrock平台上托管的一流模型阵容得到了进一步扩充。

这两款强援的加入，不仅极大地丰富了平台现有的开放权重模型选择，为全球客户解锁了更多创新可能性与灵活的应用方案，同时也显著增强了亚马逊云科技在生成式人工智能领域的市场竞争力与行业影响力。

Qwen3 模型首度亮相 Amazon Bedrock

作为国产AI模型的杰出代表，Qwen3模型首次登陆Amazon Bedrock，成为该平台上的第14家模型提供商。这不仅标志着中国AI开源生态与国际主流云计算平台进入了深度融合的新阶段，也进一步推动了全球人工智能技术的协作与共同进步。

Qwen3模型是阿里巴巴开源的新一代通义千问系列模型，其在逻辑推理、指令遵循、多语言支持与工具调用等多个维度均实现了显著提升，刷新了国产及全球开源模型的性能记录。与同类竞品相比，Qwen3模型的部署成本大幅降低，仅需4张H20卡即可实现完整性能部署，其显存占用也仅为性能相近模型的三分之一，有效降低了企业的硬件门槛与投入。

此次在平台上线的Qwen3模型包含四个针对性优化的版本：Qwen3-Coder-480B-A35B-Instruct、Qwen3-Coder-30B-A3B-Instruct、Qwen3-235B-A22B-Instruct-2507 以及 Qwen3-32B-Dense，各自面向不同的应用场景设计。

• Qwen3-Coder-480B-A35B-Instruct 专为处理复杂的软件工程任务而打造，擅长高级代码生成、大型代码库分析以及集成调用外部工具；
• Qwen3-Coder-30B-A3B-Instruct 则专门针对代码补全、重构及解答各类编程问题进行了优化，支持多种主流编程语言；
• Qwen3-235B-A22B-Instruct-2507 提供了强大的通用推理与精准的指令跟随能力，适用于需要平衡高性能与计算效率的各类任务；
• Qwen3-32B-Dense 模型则适用于对性能稳定、低延迟和成本控制有较高要求的场景，例如移动设备与边缘计算环境。

在模型架构方面，Qwen3模型创新性地采用了混合专家（MoE）与密集型架构。其中，MoE模型（如Qwen3-Coder-480B-A35B-Instruct等）通过动态激活部分参数来实现高效推理，特别适合复杂的编程和智能体任务。而密集型的Qwen3-32B模型则在所有参数上提供稳定且一致的性能输出，尤其适合对延迟敏感或计算资源受限的环境。

同时，Qwen3模型还具备卓越的智能体能力，能够执行多步复杂推理和结构化任务规划。它可以在单次模型调用中生成最终输出并同步调用外部工具或API，支持与外部环境进行标准化通信，并能在长会话中有效维持扩展的上下文信息。

此外，Qwen3引入了创新的混合思维模式，支持“思维链”推理和“非思维”快速响应两种模式。思维模式适用于需要逐步深入推理的复杂任务，而非思维模式则能提供即时响应，满足对速度要求极高的场景。这一设计帮助开发者在处理复杂逻辑任务与追求极致响应速度之间找到最佳平衡。Qwen3-Coder模型原生支持高达256K个token的上下文窗口，通过外推方法甚至可扩展到100万个token，使其能够轻松处理大规模代码库、冗长技术文档或长时间对话历史，显著提升了其长上下文处理能力。

DeepSeek-V3.1 全面上线 Amazon Bedrock

在国产开源模型的星空中，DeepSeek无疑是另一颗璀璨的明星。凭借其高效的推理性能、极具吸引力的性价比以及活跃的开发者社区，DeepSeek已成为企业实施大规模AI应用时的关键选择之一。

亚马逊云科技也是全球首家提供全托管式DeepSeek模型的海外云服务提供商。

早在今年三月，亚马逊云科技便率先在云服务商中以无服务器（serverless）方式提供了DeepSeek-R1模型，并在Amazon Bedrock上将其作为完全托管、开箱即用的模型正式上线。

延续这一快速响应的传统，亚马逊云科技在对合作伙伴最新大模型的支持上始终保持高效。正因如此，当DeepSeek发布其新一代模型DeepSeek-V3.1时，亚马逊云科技便第一时间宣布全面支持，并将其迅速整合进Amazon Bedrock的庞大模型库中。

DeepSeek-V3.1 是一个支持混合推理的先进模型，同时具备思考模式与非思考模式。在思考效率上，相较于之前的DeepSeek-R1-0528版本，DeepSeek-V3.1-Think能够在更短的时间内产出精确答案。这种可调节的推理机制，不仅增强了模型在不同应用场景中的适应能力，也让AI的使用过程更加可控与高效。

与此同时，DeepSeek-V3.1在代码生成、智能体（Agentic AI）工具调用等方面展现出卓越性能。模型上线Amazon Bedrock后，用户可借助其强大的代码生成、自动补全与调试能力，大幅提升软件开发效率。此外，其出色的工具调用功能使得开发者能够构建更为智能、自主性更强的AI智能体，以处理日益复杂的业务任务。

值得庆幸的是，DeepSeek-V3.1的上述所有强大功能，现在都能在Amazon Bedrock平台上直接体验与调用。

随着Qwen3和DeepSeek最新模型的加入，Amazon Bedrock上完全托管的大模型家族进一步壮大。截至目前，Amazon Bedrock 已提供了多达249款大模型，覆盖从通用对话、内容生成，到多语言理解与代码助手等多个应用类型，确保用户总能找到最契合自身业务需求的模型。

通过持续引入更多顶级大模型厂商并不断扩充其托管模型阵列，Amazon Bedrock已成功汇聚包括Anthropic、DeepSeek、亚马逊云科技自研Nova模型在内的十四家主流厂商，构建了一个多模型并存、多场景适配的开放生态格局。这不仅极大地丰富了平台的技术多样性与用户的选择空间，也为亚马逊云科技在未来AI生态中保持领先地位奠定了坚实基础。

大模型选型实战：体验卓越性能与稳定性

我们立即在平台上进行了实际体验。

在Amazon Bedrock专用于测评对比和筛选最适合业务的大模型的「大模型选型实战」Playground中，我们测试了最新上线的Qwen3和DeepSeek模型。

首先，我们让DeepSeek-V3.1创作一篇科幻微小说，以初步测试其基本创作能力。

从生成的故事来看，Amazon Bedrock平台上的DeepSeek-V3.1表现令人满意，其构建的故事悬念与文笔都相当出色。

「大模型选型实战」Playground还贴心地提供了「比较模式」，允许用户让两个模型在相同的提示词下同台竞技，直观对比其表现差异。

接下来，我们让DeepSeek-V3.1和Qwen3-235B-A22B-Instruct-2507同时登场，演示其混合推理能力，观察它们是否能根据任务难度自行决定是否进行深度思考。首先是一个简单任务：

小明有 3 个苹果，吃掉了 1 个，还剩几个？请直接回答。

对于这个简单问题，两个模型几乎都是瞬间完成了任务——均在约半秒内（模型名右侧显示的第三个数据，前两个数据分别为输入和输出的token数量）给出了正确答案。显然，对于此类简单任务，这两个模型都没有（也无需）启动深度思考模式。

接下来，我们提升任务难度，给出一个涉及多步计算的问题：

小明有 24 个苹果。他先吃掉 1/3，剩下的平均分给 3 个朋友。后来，每个朋友又把自己的一半苹果还给小明。最后，小明手里一共有多少个苹果？请逐步推理。

可以看到，两个模型都正确地完成了任务并清晰地展示了完整的推理步骤。仔细对比，我们能发现这两个混合推理模型的回答风格各具特色。例如，Qwen3-235B-A22B-Instruct-2507将计算过程分解为5个步骤，而DeepSeek-V3.1则用了4步；此外，前者推理过程中的LaTeX公式未进行渲染，而后者的则完成了渲染。用户可以根据自身业务流程的具体需求及风格偏好来选择合适的模型。

最后，我们请出专精代码的Qwen3-Coder-480B-A35B-Instruct，挑战编写一个融合了「俄罗斯方块」与「贪吃蛇」元素的游戏程序：

用 Python（使用 pygame）编写一个融合俄罗斯方块和贪吃蛇的小游戏：画面分为上下两部分，上半部分有一条会自动移动的蛇，玩家需控制下落方块左右移动以躲避蛇；当方块进入下半部分后，按照俄罗斯方块规则继续下落，玩家需要把它放入合适位置以消除整行。若方块与蛇相撞则游戏结束；支持方向键移动、空格键加速下落；蛇可随机改变方向。程序需包含初始化、事件处理、逻辑更新和渲染绘制等模块，并写清注释。

该模型仅用约半分钟就生成了完整的代码！下面我们将代码复制出来并实际运行测试。

这款Qwen3-Coder模型首次生成的代码就基本正确地实现了提示词中描述的所有核心游戏逻辑，即使不做修改也基本可玩。对于其中因字体设置导致的个别字符显示问题，我们也只需对代码中的相关设置进行简单微调即可解决。

整个测试过程中，Amazon Bedrock平台提供的服务始终保持着高度的稳定性与响应速度，平台上托管的全量模型其性能也均能得到充分保障。

亚马逊云科技：持续加码开放权重模型生态

我们不难发现，无论是此次新增的Qwen3和DeepSeek-V3.1，还是之前引入的gpt-oss系列模型，都是国产乃至全球开源阵列中的佼佼者。亚马逊云科技将它们悉数纳入Amazon Bedrock平台，鲜明地体现了其对开源模型生态的高度重视与坚定支持。

在亚马逊云科技看来，为客户提供多样化的专有模型与开源模型选择，是释放全球客户在生成式AI领域创新潜能的关键所在。

一方面，用户无需在不同供应商和复杂的技术环境之间来回切换，即可在统一的Amazon Bedrock平台上便捷地实验、比较、部署并优化来自多家顶级厂商的模型能力。

另一方面，与闭源模型相比，开源模型具备独特的优势，特别是在定制化开发灵活性与技术透明度方面，为用户带来了更大的自主权和控制力。

举例来说，在Amazon Bedrock上，用户可以直接调用经过深度优化的托管推理服务来部署开源模型，实现AI应用的快速上线，而无需从零开始搭建和维护底层基础设施。这种高效便捷的方式，能帮助用户迅速将先进的生成式AI能力集成到既有的工作流与业务场景中。

此外，开源模型的核心价值不仅在于其开箱即用的便利性，更在于其开放权重的特性。用户可以在原始模型的基础上，充分利用自身的行业专有数据和特定业务需求，进行深度的二次开发和定制化训练。例如，某些特定行业可能需要更精准的专业术语理解，通过开源模型，企业可以基于自身的实际数据调整训练集、优化模型架构，甚至引入新的算法。这种能力使得企业能够打造出高度个性化、紧密贴合行业特色的智能解决方案，从而在激烈的市场竞争中构建核心优势。

更为重要的是，开源模型拥有更高的技术透明度。企业和技术团队能够清晰地了解模型的内部结构、训练数据构成及算法流程，这不仅增强了对模型行为与输出结果的预测能力，也大幅提升了在合规性审查与伦理道德方面的可控性，真正践行了亚马逊云科技以客户为中心的服务理念。

正如Amazon Bedrock总监Luis Wang所强调的：「开放权重模型代表着人工智能创新的重要前沿阵地，因此我们投入了大量资源，致力于将亚马逊云科技打造为安全、可大规模扩展且经济高效地运行这些模型的最佳平台。我们认为，并不存在一个能完美适用于所有用例的‘最佳模型’……许多客户青睐使用开放模型，而开放模型的显著优势之一，正是您能够拥有更大的灵活性来驾驭和改造它。」

Choice Matters：没有万能模型，唯有灵活选择成就未来

在近期的一次访谈中，亚马逊云科技CEO Matt Garman将AI描述为「几十年来所见证的可能发展最为迅猛的技术」。他认为，人工智能不仅将像互联网和云计算一样引发深刻的产业变革，未来数十年也将是持续技术创新的黄金时期。

为了助力各类企业在AI浪潮中持续创新并成功落地，亚马逊云科技始终秉持并贯彻「Choice Matters」（选择至上）的核心理念。

「Choice Matters」并非一句空洞的口号，而是根植于亚马逊云科技对技术演进趋势与客户真实需求的深刻洞察。AI应用场景千差万别、复杂多变，没有任何单一的AI模型能够成为解决所有问题和适应所有场景的「万能钥匙」。企业客户受到性能、成本、具体任务类型、数据隐私与法规合规等多重因素的制约，其需求更是呈现高度的差异化。因此，将客户锁定在单一的技术路径上，无异于束缚其创新潜力与业务发展。

正是基于这一深刻认知，亚马逊云科技推出了能够承载高度多样化模型的Amazon Bedrock和Amazon SageMaker两大平台，并于2024年re:Invent全球大会上正式将「Choice Matters」确立为其生成式AI战略的基石，旨在将模型选择权和技术自由度彻底、完整地交还给客户。

截至目前，亚马逊云科技已在Amazon Bedrock和SageMaker平台上构建了一个拥有超过400款模型的庞大模型库，让客户能够如同在超市挑选商品一样，根据自身独特的业务需求，灵活地比较、测试并组合最合适的模型，从而高效构建端到端的定制化AI应用。

对于企业客户而言，这一战略意味着能够最大化业务价值并加速AI应用落地。企业无需削足适履地去勉强适应某个固定模型，而是可以像搭积木一样，以多模型协同的方式，将不同特长的模型精准应用于市场营销、客户服务、软件编程等不同业务环节，全面推动AI驱动的业务转型，形成Matt Garman所强调的「增长飞轮效应」。

对于亚马逊云科技自身乃至整个行业而言，「Choice Matters」构成了其最核心的差异化竞争优势。它巧妙地避免了亚马逊云科技与模型提供商陷入直接的正面竞争，转而使其能够专注于自身最擅长的领域，即扮演一个中立、丰富且极度可靠的AI基础设施与服务平台。

这种开放与共赢的生态策略，成功吸引了包括初创公司、大型企业在内的多元化客户群体，使各类企业都能在亚马逊云科技的平台上找到适合自身的创新路径，从而进一步巩固了亚马逊云科技作为AI时代创新基石的领导地位，为其长期可持续增长奠定了无比坚实的生态基础。

最后，对于希望立即在Amazon Bedrock上亲身体验Qwen3与DeepSeek-V3.1这两款强大模型的朋友，可以访问以下链接快速上手：https://dev.amazoncloud.cn/experience/cloudlab?id=67bc1b7c8ea6eb2ae682bde3&visitfrom=1P_social_0919&sc_medium=owned&sc_campaign=cloudlab&sc_channel=1P_social_0919