Ir para o conteúdo principal
Português— Escolher um idioma
Menu

AWS Bedrock

Aula 8 de 14 Atualizada a 2 de novembro de 2026 Avancado
Nesta página
  1. Mistral na Amazon Bedrock
  2. Pré-requisitos
  3. Chamada via API Converse
  4. O SDK Nativo Mistral e Por Que Evitá-lo Aqui
  5. Integração com o Ecossistema AWS
  6. Diferenças em Relação à API Direta da Mistral
  7. Pontos-chave

Mistral na Amazon Bedrock

A Amazon Bedrock é o serviço gerido da AWS para aceder a modelos fundamentais através de uma API unificada. A Mistral AI oferece aqui uma gama completa, desde o leve Mistral 7B até ao potente Mistral Large 3. A integração recorre ao SDK padrão da AWS, o boto3. Isto torna-a uma opção atrativa para equipas já estabelecidas na AWS: sem chaves de fornecedores adicionais para circular, sem novos contratos para aprovar e com um modelo de autenticação que os seus administradores já dominam.

O catálogo da Bedrock é um dos mais extensos para a Mistral. Encontrará o Mistral Large 3 para raciocínio avançado e tarefas multimodais, a gama leve Ministral 3B / 8B / 14B, versões anteriores como o Mistral Large 24.07 e 24.02 (frequentemente mantidas para evitar quebrar prompts calibrados), o Mistral Small para processamento rápido e económico, o Mixtral 8x7B com a sua arquitetura Mixture-of-Experts, o modelo fundamental de pesos abertos Mistral 7B e o Pixtral Large para capacidades de visão e multimodais. Esta profundidade permite-lhe executar um modelo barato para classificação em massa juntamente com um modelo de gama alta para resumos delicados dentro da mesma aplicação.

Pré-requisitos

Três condições devem ser cumpridas antes da sua primeira chamada. Primeiro, precisa de uma conta AWS numa região que suporte a Bedrock. Segundo, precisa de um principal IAM — utilizador ou função — com as duas permissões Bedrock necessárias:

  • bedrock:InvokeModel
  • bedrock:InvokeModelWithResponseStream

Por fim, os modelos Mistral devem ser ativados na consola da Bedrock para a sua região específica. Este último passo apanha muitas equipas de surpresa: as suas permissões IAM podem ser perfeitas, mas se o modelo não estiver ativado na região que está a chamar, permanece inacessível. A ativação ocorre região por região, o que explica as falhas após mudar de us-west-2 para outra zona.

No lado da estação de trabalho, a instalação limita-se ao SDK da AWS:

pip install boto3>=1.34.131

Depois, configure as suas credenciais como habitualmente:

aws configure
# AWS Access Key ID: your-access-key
# AWS Secret Access Key: your-secret-key
# Default region name: us-west-2
# Default output format: json

Chamada via API Converse

A Bedrock unifica o acesso a diferentes fornecedores atrás de um único método: converse(). Na prática, o mesmo código chama um modelo Mistral ou qualquer outro modelo no catálogo; apenas o identificador muda. O conteúdo da mensagem não é uma simples cadeia de caracteres, mas uma lista de blocos, e as definições de geração estão agrupadas sob inferenceConfig em vez de estarem achatadas no nível superior.

import boto3

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": "Explain the concept of a VPC in AWS in 5 points."}]
        }
    ],
    inferenceConfig={
        "temperature": 0.3,
        "maxTokens": 1024
    }
)

# Extrair a resposta
output = response["output"]["message"]["content"][0]["text"]
print(output)

Os identificadores seguem o formato mistral.<model-name>-<version>:0. Como são versionados, é melhor centralizá-los numa constante em vez de os copiar para cada chamada:

# Modelos comuns (identificadores versionados — consulte a consola Bedrock para a lista atual)
MODELS = {
    "large_3":  "mistral.mistral-large-2512-v1:0",
    "small":       "mistral.mistral-small-2402-v1:0",
    "mixtral":     "mistral.mixtral-8x7b-instruct-v0:1",
    "mistral_7b":  "mistral.mistral-7b-instruct-v0:2",
}

Para respostas longas, converse_stream devolve um fluxo de eventos sobre o qual pode iterar à medida que chegam. Isto permite que uma interface apresente texto enquanto este está a ser gerado, em vez de esperar vários segundos com um ecrã congelado.

response = client.converse_stream(
    modelId="mistral.mistral-large-2512-v1:0",
    messages=[
        {
            "role": "user",
            "content": [{"text": "Generate a complete guide on Lambda functions."}]
        }
    ],
    inferenceConfig={"maxTokens": 2048}
)

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

O SDK Nativo Mistral e Por Que Evitá-lo Aqui

Se preferir o cliente Mistral padrão, um adaptador permite-lhe apontá-lo para o endpoint da Bedrock:

import os
from mistralai.client import Mistral

# Configuração para Bedrock
client = Mistral(
    api_key=os.environ.get("AWS_SECRET_ACCESS_KEY", ""),
    server_url=f"https://bedrock-runtime.us-west-2.amazonaws.com"
)

No entanto, a abordagem boto3 é recomendada na AWS porque se integra nativamente com IAM, CloudWatch e outros serviços AWS. Na prática, escolher boto3 oferece-lhe rotação automática de credenciais via funções e observabilidade sem escrever uma única linha de código extra.

Integração com o Ecossistema AWS

A Bedrock envia automaticamente métricas para o CloudWatch: Invocations para contagem de chamadas, InvocationLatency para latência do pedido e InputTokenCount e OutputTokenCount para consumo de tokens. Obtém um painel de custos e desempenho sem instrumentar a sua aplicação. Uma verificação rápida a partir da linha de comandos é suficiente para verificar o volume num determinado período:

# Verificar métricas via AWS CLI
aws cloudwatch get-metric-statistics \
    --namespace "AWS/Bedrock" \
    --metric-name "Invocations" \
    --start-time 2026-04-01T00:00:00Z \
    --end-time 2026-04-03T23:59:59Z \
    --period 3600 \
    --statistics Sum

A AWS também oferece os seus próprios guard-rails, que complementam os da Mistral. Estes são anexados ao nível da chamada, permitindo-lhe aplicar uma política de filtragem consistente em todos os modelos do catálogo, independentemente do seu fornecedor:

response = client.converse(
    modelId="mistral.mistral-large-2512-v1:0",
    messages=[{"role": "user", "content": [{"text": "..."}]}],
    guardrailConfig={
        "guardrailIdentifier": "my-guardrail-id",
        "guardrailVersion": "1"
    }
)

Diferenças em Relação à API Direta da Mistral

AspetoAPI MistralAWS Bedrock
SDKmistralaiboto3
AutenticaçãoChave APIIAM (SigV4)
APIchat.complete()converse()
Streamingchat.stream()converse_stream()
MonitorizaçãoManualCloudWatch Nativo
FaturaçãoMistralAWS

Esta tabela explica por que razão migrar da API Mistral nunca é apenas uma mudança de URL: o formato da mensagem, o método chamado e o mecanismo de autenticação mudam todos em simultâneo. Planeie uma camada de abstração no seu código se tencionar servir ambos.

Pontos-chave

  • A Bedrock utiliza boto3 e a API converse() — não o cliente Mistral padrão
  • A autenticação passa pelo IAM, não por uma chave API da Mistral
  • As métricas do CloudWatch são enviadas automaticamente (latência, tokens, invocações)
  • Ative os modelos na consola da Bedrock antes de os utilizar
  • Os identificadores da Bedrock são versionados (mistral.mistral-large-2512-v1:0) e mudam com cada geração: verifique o valor exato na consola da Bedrock antes de implementar
  • O streaming ocorre via converse_stream() com eventos