La parte 1 introdujo la atribución de costos granulares para Amazon Bedrock. Esta característica rastrea automáticamente cada solicitud de inferencia hasta el principal de IAM que realizó la llamada. Mostró cómo la nueva columna line_item_iam_principal puede brindarle visibilidad por usuario y por aplicación. Con etiquetas de asignación de costos opcionales, también puede agregar gastos por equipo, proyecto o inquilino mediante AWS Cost Explorer. Con este enfoque, normalmente puede realizar un seguimiento del uso con la granularidad que desee para cualquier servicio o aplicación desarrollado por Bedrock, ya sean herramientas de terceros como Claude Code o Codex o sus propias compilaciones personalizadas. Esta publicación muestra cómo visualizar y analizar la atribución de costos para Amazon Bedrock a través de consultas de Amazon Athena y paneles CUDOS.
Primero, esta publicación le muestra cómo configurar el Informe de uso y costo (CUR) 2.0 a través de exportaciones de datos instrumentadas con datos principales de IAM. A continuación, esta publicación le muestra cómo consultar datos CUR con Amazon Athena para su análisis. Luego presenta las nuevas capacidades de los paneles CUDOS, incluidos los datos granulares de uso y costo de Bedrock. Si bien Athena brinda flexibilidad para agregaciones, integración con diferentes herramientas de inteligencia empresarial (BI) y procesos de devolución de cargo, CUDOS ofrece imágenes prediseñadas adaptadas a la estructura específica de su organización.
Ejemplo de resultado de consulta que muestra los costos de Amazon Bedrock por principal de IAM y tipo de uso
Configuración de informes de costo y uso (CUR 2.0)
Antes de poder analizar los costos de Amazon Bedrock, configure una exportación de datos CUR 2.0 y conéctela a Amazon Athena.
Requisitos previos
Necesitas lo siguiente:
Una cuenta de AWS con acceso a la consola de facturación. Permisos de IAM para informes de uso y costos, S3 y Athena. Un depósito S3 para el almacenamiento de datos CUR. Familiaridad básica con SQL y la Consola de administración de AWS. (Opcional) Claude Code o Kiro-CLI para configuración automatizada.
Asegúrese de tener los permisos de IAM necesarios.
Para la atribución de costos de Amazon Bedrock, debe habilitar los datos principales de IAM en su exportación CUR 2.0 para que se completen la columna line_item_iam_principal y las etiquetas principales de IAM asociadas.
Creación de una exportación de datos CUR 2.0 con datos principales de IAM
Siga las instrucciones en Creación de una exportación de datos estándar para configurar su exportación CUR 2.0. Al configurar la exportación, asegúrese de que las siguientes opciones formen parte de su configuración final:
Creación de una exportación de datos estándar CUR 2.0 con datos de asignación de identidad de la persona que llama (principal de IAM) habilitados
En Contenido de exportación adicional, seleccione las siguientes casillas de verificación: Incluir datos de asignación de identidad de la persona que llama (principal de IAM): esta es la configuración crítica que completa la columna line_item_iam_principal y muestra las etiquetas principales de IAM (con el prefijo iamPrincipal/) en sus datos de costos. En Configuraciones de tabla de datos: Granularidad de tiempo: seleccione Cada hora para obtener el máximo detalle. En Opciones de entrega de exportación de datos: Control de versiones de archivos: seleccione Sobrescribir informe existente para evitar almacenar datos duplicados.
Importante: Habilitar los datos principales de IAM aumenta el tamaño de los archivos CUR porque el uso que anteriormente era una sola fila ahora se expande en varias filas, una para cada principal de IAM que contribuyó al uso. Para cargas de trabajo de gran volumen con muchos principios distintos, planifique su almacenamiento de Amazon S3 en consecuencia y considere las políticas de ciclo de vida de Amazon S3 para archivos CUR más antiguos.
Es posible que AWS tarde hasta 24 horas en entregar su primer informe CUR 2.0 al depósito S3.
Conexión de CUR 2.0 a Amazon Athena
Con Amazon Athena, puede consultar sus datos CUR utilizando SQL estándar sin infraestructura que administrar. Para simplificar esta configuración, hay disponible un repositorio de habilidades agent.md opcional que puede usar con asistentes de IA como Claude Code, Kiro-CLI o Codex. Automatiza el proceso de extremo a extremo de conectar su entorno Athena a sus datos CUR.
Clona el repositorio (git clone https://github.com/aws-samples/sample-cur-iam-principal-bedrock-tracking). Inicie Claude Code (claude) o Kiro CLI (kiro) en este directorio. Mensaje: "Lea agent.md y siga su flujo de trabajo para configurar el seguimiento del informe de uso y costos y ejecute la consulta principal de Amazon Bedrock para el mes actual".
También puede seguir los pasos de configuración manual.
Si también planea implementar el panel CUDOS, puede implementarlo desde AWS CloudFormation. Esto también implementa la base de datos de consultas de Athena como parte del proceso.
Una vez implementada, aquí hay una consulta de prueba de ejemplo en Athena Query Editor que puede usar:
Si esto devuelve filas con los ARN principales de IAM y los tipos de uso de Bedrock, su configuración está completa y lista para un análisis más profundo.
Patrones de consulta de Athena para el seguimiento de costos de Bedrock
Con sus datos de CUR 2.0 disponibles en Athena, ahora puede responder preguntas granulares sobre atribución de costos utilizando SQL. Esta sección proporciona tres patrones de consulta progresivamente sofisticados que cubren los escenarios de análisis más comunes.
Nota: En las siguientes consultas, reemplace your_cur_table_name con el nombre real de su tabla CUR Athena (por ejemplo, cid_data_export.cur2).
Consulta 1: Costos básicos por principal de IAM y tipo de uso
Esta consulta proporciona un desglose completo del gasto de Amazon Bedrock por identidad de la persona que llama y uso del modelo. Responde a la pregunta: "¿Quién llama a qué modelos y cuánto gastan?"
Salida de ejemplo:
line_item_iam_principal line_item_usage_type total_tokens total_cost arn:aws:sts::123456789012:assumed-role/ChatApp/session-1 USW2-anthropic.claude-opus-4-8-mantle-cache-write-tokens-standard 1629.5 $11.2029 arn:aws:sts::123456789012:assumed-role/DocProcessor/batch-7 USW2-Claude4.6Sonnet-output-tokens 68,579 $1,131 arn:aws:sts::123456789012:assumed-role/ClaudeCode/chat USW2-Claude4.6Sonnet-cache-write-input-token-count 831,74 $3,4309 arn:aws:iam::123456789012:user/alice USW2-Claude4.6Sonnet-input-tokens 17,33 $0,0572
Consejos de análisis:
Utilice patrones LIKE como line_item_usage_type LIKE '%Sonnet%output%' o %nova% para filtrar modelos específicos. La columna line_item_iam_principal contiene el ARN completo. Para roles asumidos, el nombre de la sesión después del último / identifica al usuario o sesión específica.
Consulta 2: Costos desglosados por etiquetas principales de IAM conocidas
Cuando haya etiquetado sus entidades principales de IAM con dimensiones como equipo, proyecto o centro de costos (y haya activado esas etiquetas como etiquetas de asignación de costos), aparecerán en sus datos de CUR 2.0 como parte de las columnas de etiquetas, con el prefijo iamPrincipal/ seguido de su clave de etiqueta. Esta consulta agrupa los costos según esas etiquetas para responder preguntas como: "¿Cuánto gastó el equipo de ingeniería en Bedrock este mes?" o "¿Cuál es el costo total de Bedrock para el proyecto del chatbot?"
Por proyecto:
Salida de ejemplo:
proyecto line_item_usage_type total_tokens costo_total ciencia de datos USW2-Claude4.5Sonnet-cache-write-input-token-count 433.893 1.789808625 ciencia de datos USW2-Claude4.6Sonnet-cache-read-input-token-count 5372.659 1.77297747 ingeniería USW2-Claude4.5Sonnet-input-tokens 29,481 0,0972873 ingeniería USW2-Claude4.5Sonnet-output-tokens 31,102 0,513183
Nota: Esta consulta devuelve resultados solo si sus entidades principales de IAM han sido etiquetadas con las claves relevantes y esas etiquetas se han activado como etiquetas de asignación de costos.
Consulta 3: descubrimiento de etiquetas dinámicas utilizando UNNEST para esquemas de etiquetas desconocidos
En organizaciones grandes, es posible que no sepa de antemano qué etiquetas se han aplicado en todos los principales de IAM. Es posible que diferentes equipos utilicen diferentes claves de etiquetas o que se introduzcan nuevas etiquetas con el tiempo. El siguiente ejemplo muestra cómo explorar dinámicamente utilizando la función UNNEST de Athena.
Esta consulta descubre todas las etiquetas principales de IAM que se utilizan en sus cargas de trabajo de Bedrock y muestra la asignación de costos para cada par clave-valor de etiqueta:
Caso de uso del mundo real: comparación de costos de servicios múltiples
Considere un equipo de plataforma que ejecuta múltiples servicios impulsados por IA. Por ejemplo, el equipo podría ejecutar un canal de resumen de documentos (DocProcessor) y un chatbot de cara al cliente (ChatApp). El equipo puede asignar cada servicio a su propia función de IAM. Con los patrones de consulta de la sección anterior, puede aislar la tendencia del gasto de cada servicio con la siguiente consulta:
Salida de ejemplo:
line_item_iam_principal line_item_usage_type total_usage total_cost arn:aws:sts::123456789012:assumed-role/ChatApp/session-1 USE1-Claude4.6Sonnet-output-tokens 4.800.000 $72,00 arn:aws:sts::123456789012:assumed-role/ChatApp/session-1 USE1-Claude4.6Sonnet-input-tokens 2.900.000 $8,70 arn:aws:sts::123456789012:assumed-role/DocProcessor/batch-7 Tokens de salida USE1-NovaLite 6.100.000 USD 1,46 arn:aws:sts::123456789012:assumed-role/DocProcessor/batch-7 Tokens de entrada USE1-NovaLite 3.200.000 USD 0,19
A partir de este resultado, el equipo de la plataforma puede responder preguntas como:
¿Qué aplicación es la que más contribuye al gasto de Bedrock de este mes? En este ejemplo, ChatApp cuesta más de $80 usando Claude 4.6 Sonnet, mientras que DocProcessor cuesta menos de $5 usando Nova Lite.
¿Podríamos reducir costos utilizando un modelo diferente para cada carga de trabajo? DocProcessor ya está en Nova Lite (apropiado para tareas de resumen sencillas), pero el equipo podría evaluar si ChatApp podría manejar algunas interacciones con un modelo más liviano para reducir el costo del token de salida de $72.
Costo de las consultas de Athena
Paga solo por las consultas que ejecuta. Se le cobra en función de la cantidad de datos analizados en cada consulta. La consola muestra esta información después de cada consulta y esta información también está disponible en la pestaña Consultas recientes en la consola de Athena.
Las consultas de Athena se facturan a $5 por TB escaneado (con un mínimo de 10 MB por consulta). Debido a que nuestra tabla usa automáticamente la proyección de partición de Hive en billing_period, las consultas con alcance de un solo mes solo analizan los archivos parquet en la carpeta de ese mes. Los escaneos suelen tener menos de 10 MB, lo que cuesta alrededor de 0,00005 dólares por consulta (el mínimo de 10 MB).
Para mantener los costos bajos, incluya siempre un filtro WHERE billing_period = … y seleccione solo las columnas que necesita en lugar de SELECT *.
El marco de los paneles de inteligencia en la nube
El panel CUDOS es parte del marco de Cloud Intelligence Dashboards (CID) de código abierto, que puede implementar en su cuenta de AWS utilizando las plantillas de infraestructura como código (IaC) proporcionadas. El marco le ayuda a impulsar la responsabilidad financiera y aumentar la eficiencia operativa en sus organizaciones de AWS. El panel CUDOS proporciona información detallada y procesable, lo que respalda decisiones basadas en datos para lograr eficiencia de costos en toda su infraestructura de AWS.
Información sobre costos y uso de Amazon Bedrock en CUDOS
La versión 5.8 de CUDOS presenta una sección integral de Amazon Bedrock en la pestaña AI/ML, con soporte completo para la atribución de costos principales de IAM. El panel proporciona:
Dimensiones de agrupación flexibles: agrupe su gasto de Amazon Bedrock por principal de IAM, etiquetas principales de IAM (como proyecto o equipo), modelo/grupo de recursos, región o cualquier otro campo de taxonomía de costos configurado durante la implementación del panel. Seguimiento del costo por millón de tokens: una línea de tendencia superpuesta en su gráfico de gastos que muestra cómo el costo por millón de tokens evoluciona con el tiempo, lo que le ayuda a medir el impacto de los cambios en la selección de modelos o impulsar los esfuerzos de optimización, como el almacenamiento en caché, por ejemplo.
La siguiente figura muestra la sección Resumen de Amazon Bedrock en la pestaña AI/ML del panel CUDOS, agrupada por principal de IAM, con desglose de costos por principal y tendencia de costo por millón de tokens.
Panel CUDOS que muestra el gasto de Amazon Bedrock agrupado por director de IAM
Filtrado detallado interactivo: elija cualquier valor en el gráfico de gastos de nivel superior (como un proyecto, principal o cuenta específicos) y todos los demás elementos visuales se filtrarán automáticamente según esa selección, lo que le permitirá profundizar desde una descripción general de alto nivel hasta los detalles por modelo y por tipo de uso sin tener que salir del panel. Modelo granular y desglose de uso: elementos visuales adicionales, filtrados por el gráfico de nivel superior, muestran el gasto por modelo, por tipo de uso y el costo por millón de tokens por modelo, para que pueda identificar qué modelos y tipos de tokens generan costos para un equipo o proyecto determinado.
Cuando cambia la agrupación a Proyecto de etiqueta principal de IAM y elige un proyecto específico (en este ejemplo, "chatbot-v2"), todos los demás elementos visuales se filtran para mostrar solo el gasto de ese proyecto. Las imágenes desglosan ese gasto por modelo, tipo de uso y tendencias de costo unitario.
Panel de CUDOS que muestra el gasto de Amazon Bedrock agrupado por proyecto de etiqueta principal de IAM, filtrado al proyecto chatbot-v2
Con estos elementos visuales, puede responder rápidamente preguntas como "¿Qué proyecto genera los mayores costos de tokens de producción?", "¿Nuestro equipo de chatbot utiliza modelos rentables?" o "¿Cómo ha cambiado nuestro costo por millón de tokens desde que cambiamos de Opus a Sonnet?", sin escribir ningún SQL.
Empezando con CUDOS
Para comenzar con CUDOS, puede explorar la sección Bedrock en un panel de demostración interactivo. Siga la guía de implementación para configurar CUDOS en su organización.
Si ya está utilizando CUDOS, siga las instrucciones de actualización para actualizar a la versión 5.8. También puede utilizar la taxonomía de agregar organización para agregar datos de IAM Principal a su panel CUDOS existente.
Limpiar
Primero, elimine la tabla de Athena y la base de datos de AWS Glue (estos son metadatos, por lo que no se ejecuta ningún proceso):
Advertencia: Al eliminar la tabla Athena y la base de datos de Glue, se eliminará la posibilidad de consultar datos CUR. Deberá volver a crear estos recursos siguiendo la sección anterior si desea analizar los datos de facturación en el futuro.
En segundo lugar, si ya no necesita los datos de costos, deshabilite la exportación en la consola AWS Billing and Cost Management en Exportaciones de datos y vacíe el prefijo S3 en el que escribe. Tenga en cuenta que este es su historial de facturación sin procesar, así que elimínelo solo si está seguro.
Finalmente, borre los resultados de consultas de Athena que se hayan acumulado:
No hay rastreadores, funciones de AWS Lambda ni programaciones que eliminar. La proyección de partición significa que el único costo continuo es el almacenamiento S3 para los archivos CUR, que generalmente son unos centavos por mes.
Para limpiar CUDOS, consulte las instrucciones de desmontaje del panel de CUDOS.
Conclusión y próximos pasos
Esta serie de dos partes recorrió un conjunto de herramientas completo para comprender y administrar los costos de inferencia de Amazon Bedrock:
La parte 1 presentó la atribución de costos granular: cómo Amazon Bedrock captura automáticamente el principio de IAM detrás de cada llamada de inferencia y cómo se pueden usar etiquetas de asignación de costos para agregar el gasto por equipo, proyecto o inquilino. La Parte 2 (esta publicación) le mostró cómo poner esos datos a trabajar: configurar CUR 2.0 con datos principales de IAM, consultar patrones de costos en Amazon Athena y comparar el gasto entre proyectos y directores para informar las decisiones de asignación de costos. También presenta el panel CUDOS, que proporciona una hoja completa de AI/ML con información similar para Bedrock.
Active CUR 2.0 con datos de identidad de la persona que llama en la consola de facturación de AWS, conéctelo a Athena utilizando el archivo agent.md proporcionado y ejecute su primera consulta de costo por principal. Realice un seguimiento de la adopción de Bedrock en toda su organización con el panel de CUDOS.