Amazon Bedrock Introduceert Geavanceerde Promptoptimalisatie voor Modelmigratie en Promptafstelling

Amazon Bedrock introduceert Advanced Prompt Optimization, een nieuwe tool die is ontworpen om de migratie en optimalisatie van prompts over meerdere modellen te automatiseren. Het probleem dat wordt aangepakt is de handmatige inspanning die nodig is om prompts opnieuw af te stemmen bij de overstap naar een nieuwer, sneller of goedkoper model – een proces dat dagen of weken kan duren. De tool gebruikt een feedbacklus in reinforcement learning-stijl: het evalueert reacties op basis van een door de gebruiker gedefinieerde metriek, herschrijft de prompt en herhaalt dit totdat het optimaal is. Het werkt met maximaal vijf modellen in één taak en ondersteunt multimodale invoer (afbeeldingen, pdf's). Er zijn drie evaluatiemodi beschikbaar: een aangepaste AWS Lambda-functie voor concrete statistieken, een LLM-as-a-Judge voor open taken met een rubric, en stuurcriteria voor merkstem of veiligheidsbeperkingen. Gebruikers kunnen migreren van een basislijnmodel naar maximaal vier kandidaten, of de prompt op hetzelfde model verbeteren. De uitvoer omvat geoptimaliseerde prompts, evaluatiescores, time-to-first-token (TTFT) en kostenramingen. De tool is toegankelijk via de AWS-console, API of SDK (Boto3). Per-taaklimieten: 10 promptsjablonen, 100 evaluatievoorbeelden per sjabloon, 5 modellen, 20 tekstvariabelen per sjabloon, 100 multimodale bestanden per voorbeeld en 5 stuurcriteria per sjabloon. Beschikbare beoordelingsmodellen zijn onder andere Claude Opus 4, Claude Sonnet 4.5 en Claude Sonnet 4.6.