Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

AWS Bedrock και άλλοι πάροχοι cloud

Μάθημα 13 / 14 Ενημερώθηκε 29 Ιουλίου 2026 Για developers
Σε αυτήν τη σελίδα
  1. Το οικοσύστημα cloud της Mistral
  2. AWS Bedrock
  3. Snowflake Cortex
  4. IBM watsonx
  5. Outscale, το γαλλικό κυρίαρχο cloud
  6. Επιλογή του κατάλληλου παρόχου
  7. Έλεγχος πριν την ανάπτυξη
  8. Βασικά σημεία

Το οικοσύστημα cloud της Mistral

Εκτός από το Azure και το Google Cloud, τα μοντέλα της Mistral διατίθενται σε πολλές άλλες πλατφόρμες. Αυτό το μάθημα καλύπτει αναλυτικά το AWS Bedrock, καθώς αποτελεί την πιο συνηθισμένη εναλλακτική και διαφέρει σημαντικά από όσα έχετε μάθει έως τώρα. Στη συνέχεια, παρουσιάζονται συνοπτικά οι ενσωματώσεις με το Snowflake Cortex, το IBM watsonx και το Outscale.

AWS Bedrock

Το Amazon Bedrock είναι η διαχειριζόμενη υπηρεσία της AWS για θεμελιώδη μοντέλα. Εκθέτει ένα ενιαίο API μπροστά από πολλούς παρόχους—Anthropic, Meta, Mistral και άλλους—διαχειριζόμενο τη χρέωση, την ασφάλεια και τη συμμόρφωση μέσω της AWS. Για ομάδες που χρησιμοποιούν ήδη την AWS, αυτό σημαίνει ότι τα μοντέλα της Mistral λειτουργούν στο ίδιο πεδίο IAM, χρησιμοποιούν τα ίδια αρχεία καταγραφής CloudWatch και εμφανίζονται στον ίδιο λογαριασμό με την υπόλοιπη υποδομή σας.

Όσον αφορά τον κατάλογο, το Bedrock παρέχει πρόσβαση στα εξής μοντέλα. Η ακριβής λίστα εξαρτάται από την περιοχή σας και αλλάζει με κάθε νέα κυκλοφορία· η σελίδα Model Access στην κονσόλα αποτελεί την έγκυρη πηγή πληροφοριών.

ΜοντέλοΘέση στην αγορά
Mistral Large 3Κορυφαίο μοντέλο (οι προηγούμενες εκδόσεις του Mistral Large παραμένουν διαθέσιμες)
Mistral SmallΓρήγορο και οικονομικό
Ministral (3B, 8B, 14B)Συμπαγή μοντέλα
Mixtral 8x7BΜοντέλο μείγματος ειδικών (Mixture-of-experts)
Pixtral LargeΠολυτροπικό (κείμενο + εικόνες)

Προετοιμασία πρόσβασης

Πρέπει να πληροίτε τέσσερις προϋποθέσεις πριν πραγματοποιήσετε την πρώτη σας κλήση:

  1. Ένας λογαριασμός AWS με πρόσβαση σε περιοχή που υποστηρίζει το Bedrock
  2. Μια οντότητα IAM με δικαιώματα bedrock:InvokeModel και bedrock:InvokeModelWithResponseStream
  3. Το AWS CLI διαμορφωμένο και το boto3 εγκατεστημένο
  4. Ενεργοποίηση των μοντέλων Mistral στην κονσόλα του Bedrock (Model Access)
pip install boto3>=1.34.131
aws configure  # Εισαγάγετε τα διαπιστευτήριά σας

Το δεύτερο δικαίωμα είναι αυτό που συχνά ξεχνούν οι χρήστες: μια οντότητα με μόνο το bedrock:InvokeModel λειτουργεί σε συγχρονισμένη λειτουργία, αλλά αποτυγχάνει στην πρώτη κλήση ροής (streaming). Το βήμα 4 είναι παρόμοιο με την ενεργοποίηση μοντέλων στο Model Garden της Google: έως ότου ξεκλειδώσετε το μοντέλο στο Model Access, κανένα δικαίωμα IAM δεν θα λειτουργήσει.

Κλήση μοντέλου με boto3

Εδώ εντοπίζεται η κύρια διαφορά από το Azure και το Vertex: στο Bedrock, δεν χρησιμοποιείτε το SDK της Mistral. Όλα γίνονται μέσω του εγγενούς SDK της AWS, του boto3, χρησιμοποιώντας το API converse() που είναι κοινό για όλους τους παρόχους στην πλατφόρμα.

import boto3
import json

client = boto3.client('bedrock-runtime', region_name='us-west-2')

response = client.converse(
    modelId="mistral.mistral-large-2512-v1:0",
    messages=[
        {
            "role": "user",
            "content": [{"text": "What are the advantages of a serverless architecture on AWS?"}]
        }
    ],
    inferenceConfig={
        "temperature": 0.3,
        "maxTokens": 1024
    }
)

texte = response["output"]["message"]["content"][0]["text"]
print(texte)

Η ροή (streaming) ακολουθεί την ίδια λογική, χρησιμοποιώντας το converse_stream() και κάνοντας επανάληψη στα γεγονότα της ροής. Σημειώστε ότι πρέπει να ελέγξετε για το κλειδί contentBlockDelta: η ροή του Bedrock μεταφέρει επίσης γεγονότα έναρξης και λήξης μπλοκ, τα οποία δεν περιέχουν κείμενο.

response = client.converse_stream(
    modelId="mistral.mistral-large-2512-v1:0",
    messages=[
        {
            "role": "user",
            "content": [{"text": "Describe the Lambda + API Gateway architecture."}]
        }
    ],
    inferenceConfig={"temperature": 0.3, "maxTokens": 1024}
)

for event in response["stream"]:
    if "contentBlockDelta" in event:
        texte = event["contentBlockDelta"]["delta"].get("text", "")
        print(texte, end="", flush=True)

Εάν μεταφέρετε κώδικα γραμμένο για το άμεσο API της Mistral, αναμένετε τέσσερις διαφορές. Πρώτον, το content δεν είναι πλέον συμβολοσειρά, αλλά ένας πίνακας αντικειμένων {"text": "..."}. Δεύτερον, το modelId ακολουθεί τη μορφή της AWS mistral.{model}-v{version}:{number}: σε αντίθεση με τα ψευδώνυμα -latest στο άμεσο API, ορίζετε μια συγκεκριμένη έκδοση και πρέπει να την ενημερώνετε χειροκίνητα. Τρίτον, οι παράμετροι συμπερασμού ομαδοποιούνται σε ένα ξεχωριστό αντικείμενο inferenceConfig αντί να περνιούνται στο ανώτατο επίπεδο. Τέλος, δεν εμπλέκεται κανένα SDK της Mistral: οι αποκρίσεις είναι λεξικά boto3, όχι τυποποιημένα μοντέλα, εξ ου και η πρόσβαση βάσει κλειδιών που φαίνεται παραπάνω.

Snowflake Cortex

Το Snowflake ενσωματώνει μοντέλα της Mistral, συμπεριλαμβανομένου του Mistral Large, απευθείας στην πλατφόρμα δεδομένων του μέσω του Cortex AI. Το κύριο πλεονέκτημα είναι απλό: τα δεδομένα σας δεν εγκαταλείπουν ποτέ το Snowflake. Η κλήση του μοντέλου γίνεται μια συνάρτηση SQL που καλείται μέσα σε ένα ερώτημα, ακριβώς δίπλα στον πίνακα που θέλετε να εμπλουτίσετε.

-- Άμεση χρήση σε ερώτημα SQL
SELECT SNOWFLAKE.CORTEX.COMPLETE(
  'mistral-large',
  'Summarize this financial report in three key points.'
) AS resume;

Φανταστείτε έναν πίνακα με χιλιάδες αναφορές: αντί να εξάγετε το περιεχόμενο σε ένα σενάριο Python, να καλέσετε το API και να εισαγάγετε εκ νέου τα αποτελέσματα, γράφετε ένα ερώτημα που παράγει απευθείας τη στήλη περίληψης. Αυτή είναι η προφανής επιλογή όταν ο αγωγός δεδομένων σας βρίσκεται ήδη στο Snowflake και οι κανόνες διακυβέρνησης απαγορεύουν οποιαδήποτε έξοδο δεδομένων.

IBM watsonx

Το IBM watsonx.ai προσφέρει μοντέλα της Mistral, συμπεριλαμβανομένου του Mistral Large, στον κατάλογό του. Η πρόσβαση γίνεται μέσω του watsonx API χρησιμοποιώντας διαπιστευτήρια IBM Cloud: δημιουργείτε ένα αντικείμενο ModelInference, περνώντας το ID του μοντέλου, τα διαπιστευτήριά σας και το έργο-στόχο. Σημειώστε το URL περιοχής στο παράδειγμα—καθορίζει πού εκτελείται το συμπέρασμα, μια λεπτομέρεια που πρέπει να επαληθεύσετε εάν έχετε απαιτήσεις κατοικίας δεδομένων.

from ibm_watsonx_ai import Credentials
from ibm_watsonx_ai.foundation_models import ModelInference

model = ModelInference(
    model_id="mistralai/mistral-large",
    credentials=Credentials(url="https://eu-de.ml.cloud.ibm.com", api_key="..."),
    project_id="your-project-id"
)

response = model.generate_text("Explain the data mesh concept.")

Outscale, το γαλλικό κυρίαρχο cloud

Το Outscale, ένα γαλλικό κυρίαρχο cloud με πιστοποίηση SecNumCloud, προσφέρει επίσης μοντέλα της Mistral. Για οργανισμούς του δημόσιου τομέα, της άμυνας ή της υγείας που υπόκεινται σε αυστηρούς κανονιστικούς περιορισμούς, αυτή η επιλογή εγγυάται ότι τόσο τα δεδομένα όσο και η επεξεργασία παραμένουν στη Γαλλία. Σε αυτά τα πλαίσια, αυτό είναι το μόνο κριτήριο που έχει σημασία: η πιστοποίηση υπερισχύει της ευκολίας ενσωμάτωσης ή της εμπειρίας των προγραμματιστών.

Επιλογή του κατάλληλου παρόχου

Η επιλογή σχεδόν ποτέ δεν εξαρτάται από τα ίδια τα μοντέλα, καθώς τα ίδια μοντέλα είναι ευρέως διαθέσιμα σε όλες τις πλατφόρμες. Εξαρτάται από το πού βρίσκονται τα δεδομένα σας, τη σύμβασή σας και τις υποχρεώσεις συμμόρφωσής σας.

ΠάροχοςΠότε να τον επιλέξετε
Άμεσο API MistralΑπλούστερο, όλα τα μοντέλα διαθέσιμα, ιδανικό για ξεκίνημα
Azure AIΕάν χρησιμοποιείτε ήδη Azure, ενοποιημένη χρέωση
Google Vertex AIΕάν χρησιμοποιείτε GCP, εγγενής πιστοποίηση IAM
AWS BedrockΕάν χρησιμοποιείτε AWS, ενσωμάτωση με το οικοσύστημα της AWS
Snowflake CortexΕάν τα δεδομένα σας βρίσκονται στο Snowflake
OutscaleΕάν έχετε απαιτήσεις γαλλικής κυριαρχίας δεδομένων

Ένας χρήσιμος εμπειρικός κανόνας: ξεκινήστε με το άμεσο API για να επικυρώσετε ότι το μοντέλο καλύπτει τις ανάγκες σας και, στη συνέχεια, μεταβείτε στον πάροχο του οικοσυστήματός σας όταν το έργο μεταφερθεί σε παραγωγή. Ο κώδικας της εφαρμογής αλλάζει ελάχιστα· το μεγαλύτερο μέρος της εργασίας αφορά την πιστοποίηση και την ονομασία των μοντέλων.

Έλεγχος πριν την ανάπτυξη

Τα ID μοντέλων των παρόχων cloud έχουν εκδοθεί με αριθμό έκδοσης και αλλάζουν με κάθε γενιά (π.χ. mistral.mistral-large-2512-v1:0 στο Bedrock). Πριν συνδέσετε μια ανάπτυξη, επαληθεύστε την ακριβή τιμή στην κονσόλα του παρόχου: αποτελεί την έγκυρη πηγή πληροφοριών και ένα ξεπερασμένο ID προκαλεί σφάλμα πρόσβασης που είναι δύσκολο να διαγνωστεί.

Βασικά σημεία

  • Το AWS Bedrock χρησιμοποιεί το boto3 και το API converse()—όχι το SDK της Mistral
  • Η μορφή μηνυμάτων στο Bedrock διαφέρει ελαφρώς (περιεχόμενο ως πίνακας αντικειμένων)
  • Το Snowflake Cortex ενσωματώνει τη Mistral απευθείας σε ερωτήματα SQL
  • Το IBM watsonx και το Outscale προσφέρουν εναλλακτικές για συγκεκριμένες ανάγκες
  • Επιλέξτε τον πάροχό σας με βάση το υπάρχον οικοσύστημα cloud και τους κανονιστικούς περιορισμούς σας