OpenAI GPT-5.6 三款模型正式登陆 Amazon Bedrock，覆盖推理、生产与高并发场景

GPT-5.6 系列采用 OpenAI 全新命名体系：数字代表模型代际，Sol、Terra、Luna 则标识三个持久能力层级，各层级可独立迭代演进。Sol 的模型 ID 为 openai.gpt-5.6-sol，目前在美东（弗吉尼亚北部）和美东（俄亥俄）两个区域可用；Terra 和 Luna 的 ID 分别为 openai.gpt-5.6-terra 和 openai.gpt-5.6-luna，额外支持美西（俄勒冈）区域。三款模型均支持 none、low、medium、high、xhigh 和 max 六档推理力度，切换模型时无需修改 API 集成代码。

开发者通过 bedrock-mantle 端点访问 GPT-5.6，基础 URL 格式为 https://bedrock-mantle.{region}.api.aws，Responses API 路径为 /openai/v1/responses。该端点兼容 OpenAI 官方 Python 和 TypeScript SDK。将现有 OpenAI SDK 应用迁移至 Amazon Bedrock，只需替换 base_url 为 bedrock-mantle 地址、更新模型 ID，并使用 Amazon Bedrock API 密钥或 AWS 凭证完成身份验证，改动量极小。

身份验证支持两种方式：一是使用 BedrockOpenAI 客户端配合 token provider，在每次请求前自动从 AWS 凭证生成并刷新短期密钥，适合生产环境；二是将短期密钥写入环境变量 AWS_BEARER_TOKEN_BEDROCK 后传入标准 OpenAI 客户端，但该密钥最长 12 小时后过期，生产场景建议配合 AWS Secrets Manager 使用。IAM 托管策略 AmazonBedrockMantleInferenceAccess 可快速授予所需权限，包括 bedrock-mantle:CreateInference 和 bedrock-mantle:CallWithBearerToken。

推理力度参数是控制成本与效果的核心旋钮。对于复杂多步任务，将 reasoning effort 设为 high 或 max 可让模型在生成答案前投入更多推理 Token，显著提升结果质量，但会增加延迟和费用；对于分类、路由等简单任务，设为 low 或 none 则可大幅降低成本。三款模型共享相同的参数接口，团队可根据每个工作负载的复杂度独立调整，实现精细化成本管控。

在安全与数据处理方面，所有模型调用均在用户的 VPC 内执行，受 IAM 策略约束，并记录于 AWS CloudTrail，支持区域内推理以满足数据驻留合规要求。用户的提示词和补全内容不会用于训练任何模型，也不会与模型提供方共享，除非用户主动选择加入。被分类器标记的流量会在 AWS 侧保留最多 30 天用于自动化离线滥用检测，保留配置可通过数据保留模式自行管理。

GPT-5.6 还支持工具调用与 OpenAI Codex 编程智能体集成，开发者可定义客户端工具并让模型在完成请求过程中主动调用。提示词缓存功能可进一步降低重复内容的推理成本，并通过 Token 用量统计衡量缓存命中率。对于计划大规模部署的团队，建议提前评估配额需求并制定扩容方案，以确保高并发场景下的服务稳定性。

要点

• GPT-5.6 Sol、Terra、Luna 三款模型已在 Amazon Bedrock 正式可用，通过统一的 bedrock-mantle 端点和 OpenAI Responses API 调用，迁移现有应用改动极小
• 三款模型覆盖从深度推理到高并发低延迟的全场景需求，六档推理力度参数支持在成本与效果之间精细权衡
• 所有调用在用户 VPC 和 IAM 策略内运行，支持区域内推理，提示词与补全内容不用于模型训练，也不默认共享给 OpenAI
• 定价与 OpenAI 官方一致，用量计入现有 AWS 承诺消费，提示词缓存可进一步降低重复工作负载的成本
• 支持工具调用与 OpenAI Codex 编程智能体集成，适合构建自主编程、长链推理等复杂智能体应用