Amazon Bedrock 中的基础模型是大型的、预训练的机器学习模型，旨在作为构建生成式 AI 应用程序的起点。 这些模型在海量数据集上进行训练，可以适应各种任务，例如文本生成、语言翻译或图像合成，而无需开发人员从头开始构建模型。 Bedrock 通过托管 API 提供对这些模型的访问，使开发人员能够将它们集成到应用程序中，同时处理基础设施扩展、安全性和性能。 例如，基础模型可以为聊天机器人生成文本、分析客户反馈中的情绪或根据提示创建图像。 Bedrock 简化了自定义，使开发人员可以使用自己的数据微调模型，以符合特定的用例，同时避免管理底层基础设施的复杂性。
Amazon Bedrock 提供来自领先 AI 提供商的第三方基础模型，使开发人员可以灵活地选择最适合其需求的模型。 主要提供商包括 Anthropic（用于文本生成和推理的 Claude 模型）、AI21 Labs（用于摘要和代码生成等任务的 Jurassic-2）、Cohere（用于文本生成的 Command 和用于语义搜索的 Embed）、Stability AI（用于图像生成的 Stable Diffusion）和 Meta（用于开源文本和聊天应用程序的 Llama 2）。 例如，Claude 擅长复杂的推理任务，而 Stable Diffusion 支持从文本提示生成或编辑图像。 Bedrock 还包括亚马逊自己的 Titan 模型，用于文本和图像生成。 这种多样性允许开发人员在单个应用程序中混合和匹配模型，例如使用 Cohere 的 Embed 进行搜索，使用 Anthropic 的 Claude 进行内容创建。
使用 Bedrock，开发人员可以通过统一的 API 访问这些模型，从而简化集成并减少运营开销。 该服务处理部署、扩展和安全性，使团队可以专注于应用程序逻辑，而不是基础设施。 例如，构建内容创建工具的开发人员可以将 Stable Diffusion 用于图像，将 Claude 用于文本，所有这些都通过 Bedrock 的 API 完成。 第三方模型托管在 AWS 的安全环境中，确保数据隐私和合规性。 通过在一个平台上提供多样化的模型，Bedrock 消除了协商单独合同或管理多个集成的需要，从而更容易尝试不同的方法。 这种设置对于构建多语言聊天机器人、自动化文档处理或创建个性化营销内容等任务特别有用，在这些任务中，结合专业模型可以提高结果。