大人問小孩: 「全世界的玩具隨便你挑? 這怎麼可能?
如果我要的玩具只有一個, 正好又被別人借走了呢?」想玩龍蝦 🦞、 不想買 GPU => 租雲端的 LLM 來用。 Amazon 有 aws bedrock。 他們家並沒有特別便宜， 但因為我有 aws 的點數， 那就拿來用吧! 請參考： 給小白的 bedrock 簡介、 bedrock 網頁介面試用心得。 不過， 我喜歡下指令， 所以是在 debian 上面安裝 awscli 套件來測試。 假設你已經 用 aws configure 命令設定好 access key， 也略微熟悉 jq。 我們的目的只是要跟 OpenClaw 接軌， 所以只關心有哪些模型可選擇、 如何下簡單的呼叫指令， 以及價格。
AWS 在全球很多區域 (region) 都有伺服器， 各區域提供的模型不盡相同。
很粗略地統計 (下詳)， 模型最豐富的區域可能是
us-west-2、 us-east-1、 us-east-2、 ap-northeast-1。
那就建一個包含上述字串的文字檔 regions.txt (每列一個區名)，
等一下我們要把這幾區的模型清單抓下來。
先簡單測試一下：
aws bedrock list-foundation-models --region ap-northeast-1 。
抓回來的 json 檔裡面只有一個欄位 "modelSummaries"，
我們直接只存 modelSummaries 這個大陣列。
for reg in $(cat regions.txt) ; do aws bedrock list-foundation-models --region $reg | jq .modelSummaries > ml-$reg.json ; done
然後為每一區產生一個模型 id 清單檔：
for reg in $(cat regions.txt) ; do jq '.[] | .modelId' ml-$reg.json | sed 's/"//g' | sort > ml-$reg.txt ; done
(因為傳回資料內沒有 ","， 所以大膽把所有雙引號刪掉。)
有了每一區的 ml-$reg.txt 檔， 就可以查看每一區提供哪些模型、 用 comm 指令比較兩區供應清單的差異、 用 grep 指令撈出有興趣的模型。 (例如可能只對 anthropic 家的模型有興趣) 如果想查看其中一個模型的詳細資訊， 例如 openai.gpt-oss-20b-1:0 就要回去 ml-$reg.json 檔查看完整的資料。
再來， 建立一個 query.json 內容如下：
{
"service_tier": "flex",
"messages": [
{
"role": "user",
"content": [
{
"type": "text",
"text": "請以四到五句話描述你自己，特別是與其他模型比較的長處與短處。"
}
]
}
]
}
然後在命令列上拿它去詢問一個 LLM：
aws bedrock-runtime invoke-model --model-id openai.gpt-oss-20b-1:0
--body file://query.json --cli-binary-format raw-in-base64-out response.json
順利的話， 幾十秒後， 它的回答就會放在 response.json 裡面。
有幾種常見的失敗狀況：
- model identifier is invalid => model id 剪貼錯了， 或是你要的模型在別區。 (可以用 --region us-east-1 之類的選項改選別區的模型)
- on-demand throughput isn’t supported => 要用這個模型， 必須先建立 inference profile。 例如想用 anthropic 家的模型， 還必須先簽署模型存取許可 ✍️ 才可以建立 inference profile。 我還在摸索， 目前沒有要做重要的事業， 暫時先略過。
- Validation Error => 不知道。 (例如 mistral.mistral-large-2402-v1:0)
- Malformed input request => 提供的 query.json 不完備， 該模型可能需要其他輸入參數， 例如一張圖片或一個聲音檔。
接下來， 產生價格列表：
aws pricing get-products --region us-east-1 --service-code AmazonBedrock > tmp.json
注意： 只有 us-east-1 的伺服器能夠回答查價指令。
這個指令會執行很久， 得到一個 12MB 的 json 檔。
jq '[.PriceList[] | fromjson]' tmp.json > bedrock-pricing.json
echo '供應者,模型,服務層級,價格,usagetype' > bedrock-pricing.csv
jq -r '.[] | [
.product.attributes.provider,
.product.attributes.model,
.product.attributes.service_tier,
.terms.OnDemand[].priceDimensions[].pricePerUnit.USD,
.product.attributes.usagetype
] | @csv' bedrock-pricing.json | sed 's/"//g' >> bedrock-pricing.csv
得到一萬多筆資料的 bedrock-pricing.csv。
可以用 grep 找出有興趣的模型，
或用visidata
或 LibreOffice 等等其他試算表工具查看完整內容。
例如 grep openai.gpt-oss-20b bedrock-pricing.csv | grep APN1
查出 APN1 (ap-northeast-1， 東京) 所提供的 gpt-oss-20b 服務包含以下幾種計價資訊：
OpenAI,gpt-oss-20b,priority,0.0001400000,APN1-openai.gpt-oss-20b-mantle-input-tokens-priority OpenAI,gpt-oss-20b,priority,0.0006300000,APN1-openai.gpt-oss-20b-mantle-output-tokens-priority OpenAI,gpt-oss-20b,flex,0.0001800000,APN1-openai.gpt-oss-20b-mantle-output-tokens-flex OpenAI,gpt-oss-20b,batch,0.0001800000,APN1-openai.gpt-oss-20b-mantle-output-tokens-batch OpenAI,gpt-oss-20b,flex,0.0000400000,APN1-openai.gpt-oss-20b-mantle-input-tokens-flex OpenAI,gpt-oss-20b,standard,0.0003600000,APN1-openai.gpt-oss-20b-mantle-output-tokens-standard OpenAI,gpt-oss-20b,standard,0.0000800000,APN1-openai.gpt-oss-20b-mantle-input-tokens-standard OpenAI,gpt-oss-20b,batch,0.0000400000,APN1-openai.gpt-oss-20b-mantle-input-tokens-batch
這些數字是每一千個 tokens 的費用。 其中第三個欄位 「服務層級」 決定價格 vs 延遲的取捨：
- priority： 最貴， 優先處理， 較快
- standard： 標準
- flex： 便宜， 可能會被排到後面， 較慢
- batch： 批次處理， 也會比較便宜， 但不適用於 invoke-model 的呼叫方式
例如上例的 query.json 裡面我用 "service_tier": "flex" 指定較便宜的計價方式； 而傳回的 response.json 裡面， 也有同一個欄位可以看出 aws bedrock 有沒有採用你所指定的服務層級。
有些服務沒有模型名稱， 要看 usagetype 欄位才可以猜得出來那是什麼， 例如 APN1-Guardrail-SensitiveInformationPolicyFreeUnitsConsumed 跟 外掛的安全服務 有關。
其實單從 usagetype 欄位就可以讀出區域 (APN1)、 提供者 (openai)、
模型名稱、 計價方式 (output-tokens)、 服務層級 (flex) 等等資訊。
像上面提到統計各區域提供的模型數， 我是這樣算出來的：
cut -d, -f 5 bedrock-pricing.csv | grep 'output-token' |
grep -Po '^[A-Z1-9]+' | sort | uniq -c | sort -nr | head 🖖
(寫完這篇以後， 覺得我的 jq 又進步一點了。)
發表文章
本站文章採
沒有留言:
張貼留言
因為垃圾留言太多，現在改為審核後才發佈，請耐心等候一兩天。