Подробный разбор · Около 3 мин чтения
Orca сокращает контекст схем для улучшения запросов Discovery AI
Кейс от 13 октября сочетает правила, найденные примеры и проверку; более 900 моделей — типы облачных ресурсов, а не языковые модели.
- Дата источника
- Опубликовано здесь
- Источник проверен
Orca Security и AWS описывают Discovery AI, превращающий вопросы по безопасности на естественном языке в фильтры Sonar. По кейсу от 13 октября система работает в production с марта 2026 года. Основной урок — выбирать и проверять контекст, а не отправлять полную схему каждый раз.
Слушать новости
Прослушайте эту статью или включите новости подряд.
Подготовка чтения…
Голос устройства
Речь обрабатывает браузер или устройство. AISubHub не отправляет текст в аудио-API. Доступные голоса и работа при заблокированном экране зависят от устройства.
При продолжении короткая фраза может повториться.
Кратко
- Sonar охватывает более 900 типов ресурсов и приложений и 18 операторов; это не 900 фундаментальных моделей.
- Относительно первого прототипа Orca сообщает о сокращении входных токенов на 93%, общей стоимости на 90% и полной задержки на 75% для сопоставимых нагрузок.
Специализированный контракт запроса
Sonar требует JSON с точными названиями, связями и 18 операторами. Прототип загружал более 900 определений и примеров в большую модель, расходуя примерно два миллиона входных токенов и 60 секунд на нагрузку; сложные связи всё ещё требовали исправлений. Эти модели обозначают инстансы или бакеты хранения. Если принять их за языковые модели, получится неверное описание и задачи, и возможностей продукта.
Правила и примеры до генерации
Девятиэтапный процесс добавляет контекст организации и подключённых облаков. Детерминированное сопоставление обрабатывает известные идентификаторы без инференса, а ограничения отбрасывают неподдерживаемый ввод. Titan находит 20 примеров, Cohere Rerank 3.5 выбирает пять. Надёжный готовый фильтр можно повторить; иначе выбирают только нужные схемы. Claude Haiku 4.5 отвечает за выбор и генерацию, Nova 2 Lite — за ограничения и валидацию. Это не требование отдельных потребительских подписок.
Проверки и исправления экспертов остаются
Генератор с инструментами использует выбранные схемы и примеры, после чего проходят статические проверки и Sonar API. Конкретные ошибки полей, операторов и связей возвращаются для исправления. Попытки ограничены и могут закончиться ответом о невалидном фильтре. Подготовленные вопросы и эталонные запросы оценивают изменения по уровням сложности. Эксперты исправляют вывод и слабые примеры во внутреннем инструменте. Это постоянная работа над качеством, не автоматическое исчезновение ошибок после добавления поиска.
Сохранять исходную базу сравнения
Orca сообщает о переходе примерно с двух миллионов к 140000 входных токенов на сопоставимую нагрузку, то есть снижении на 93%. Общие расходы падают на 90%, а полное время — примерно с 60 до 15 секунд, на 75%. Это разные показатели. Система выполняет тысячи запросов ежедневно с проверкой качества через оценки и отзывы. Урок — совместно тестировать релевантность, объём схем и распределение моделей, не обещать другой организации такие же сбережения.
Почему это важно
Узкоспециализированный помощник может соединять несколько подходящих примеров с проверенными схемами. Исходная система запросов остаётся контрактом выполнения; правдоподобного текста недостаточно.
Ограничения и доступность
AISubHub не воспроизводил результаты компаний. Сравнивается новый процесс с прежним прототипом, а не все модели Bedrock или задачи безопасности. Общая гарантия точности и права личной подписки не предоставляются.
Источники и подтверждения
Дата источника: 13 окт. 2026 г. · Источник проверен: 20 окт. 2026 г.
Материалы подготовлены с помощью ИИ и сверены с указанными первоисточниками. Заявления поставщиков атрибутированы; публикация не означает рекомендацию.