Przejdź do treści

Narzędzia AI

API zgodne z OpenAI w SageMaker AI: co daje zmiana jednego adresu

Zaktualizowano: Autor: Andrzej Niemiec7 min czytania

Amazon SageMaker AI pozwala wywołać własny model przez interfejs zgodny z API OpenAI. Wyjaśniamy zakres zgodności, adres endpointu, uwierzytelnianie i ograniczenia.

API zgodne z OpenAI w SageMaker AI: co daje zmiana jednego adresu
Spis treści
  1. Czym jest API kompatybilne z OpenAI w SageMaker AI?
  2. Od kiedy funkcja działa i czego dotyczy?
  3. Jak wygląda adres endpointu i jak działa uwierzytelnianie?
  4. Które modele i kontenery są obsługiwane?
  5. Czym różni się to od modeli gpt-oss w SageMaker JumpStart?
  6. Jak wypada porównanie z API hostowanym przez OpenAI?
  7. Czego ta zgodność nie obejmuje?
  8. Ile kosztuje ChatGPT w Polsce i czy API wymaga płatnego planu? (stan na październik 2026)
  9. Jak zacząć migrację krok po kroku?
  10. Najczęstsze pytania
  11. Źródła

Czym jest API kompatybilne z OpenAI w SageMaker AI?

To warstwa zgodności, którą AWS dodał do endpointów inferencji w czasie rzeczywistym. Endpoint przyjmuje żądania w formacie OpenAI — przede wszystkim Chat Completions, także w trybie streamingowym — i odpowiada w tym samym formacie [1][2]. Nie jest to usługa OpenAI uruchomiona w AWS ani dostęp do zamkniętych modeli OpenAI przez infrastrukturę Amazon. AWS opisuje funkcję jako zgodność po stronie endpointu [1].

SageMaker AI pozostaje platformą do wdrażania modeli we własnym koncie AWS. Modele OpenAI i plany ChatGPT to odrębna oferta, którą opisujemy w naszym hubie.

Od kiedy funkcja działa i czego dotyczy?

AWS ogłosił obsługę API zgodnego z OpenAI 20 maja 2026 roku, a komunikat What's New ukazał się 21 maja 2026 [1][3]. Funkcja dotyczy endpointów inferencji w czasie rzeczywistym, czyli takich, które odpowiadają na pojedyncze żądanie, a nie przetwarzania całych zbiorów danych wsadowo [1][2].

Endpoint zachowuje standardową ścieżkę /invocations, a równolegle udostępnia ścieżkę /openai/v1/chat/completions [2]. Ten sam wdrożony model można więc wywoływać dwojako: kodem korzystającym z natywnego SDK SageMaker albo klientem OpenAI. Dla zespołów, które trzymają modele poza chmurą dostawcy z powodu wymogów compliance, kontekst opisuje artykuł o Codex on-premise.

Jak wygląda adres endpointu i jak działa uwierzytelnianie?

Adres ma postać https://runtime.sagemaker.REGION.amazonaws.com/endpoints/NAZWA_ENDPOINTU/openai/v1. Przy inference components dochodzi segment /inference-components/NAZWA_KOMPONENTU/ [2]. Region we adresie to ten, w którym działa endpoint.

Uwierzytelnianie nie opiera się na kluczu OpenAI. AWS generuje krótkotrwałe tokeny bearer z istniejących poświadczeń AWS; domyślnie mogą być ważne do 12 godzin [2]. Konto potrzebuje uprawnień sagemaker:CallWithBearerToken oraz sagemaker:InvokeEndpoint [1][2]. Bez tych uprawnień żądanie kończy się błędem autoryzacji, a nie odpowiedzią modelu.

Przykład wywołania z OpenAI Python SDK:

from openai import OpenAI

client = OpenAI(
    base_url="https://runtime.sagemaker.REGION.amazonaws.com/endpoints/NAZWA/openai/v1",
    api_key="TOKEN_BEARER"
)

response = client.chat.completions.create(
    model="NAZWA_MODELU",
    messages=[{"role": "user", "content": "Podsumuj ten akapit."}]
)

Które modele i kontenery są obsługiwane?

AWS wymienia trzy drogi: SageMaker AI vLLM Deep Learning Container, SGLang Deep Learning Container oraz własne kontenery implementujące ścieżki OpenAI API i endpoint /ping [2]. Na takim endpointcie uruchomisz modele open-weight albo modele dostrojone przez siebie — nie ma ograniczenia do jednej rodziny [1][2].

Kontener odpowiada za mapowanie żądania OpenAI na wywołanie własnego modelu, więc to on decyduje, które parametry zadziałają [2]. Zmiana adresu w aplikacji nie zmienia zachowania modelu, tylko sposób jego wywołania.

Czym różni się to od modeli gpt-oss w SageMaker JumpStart?

Modele gpt-oss-20b i gpt-oss-120b są dostępne w SageMaker JumpStart od sierpnia 2025 roku [4][5]. To oferta gotowych modeli open-weight udostępnionych przez OpenAI i uruchamianych w AWS. Endpoint kompatybilny z OpenAI to mechanizm wywołania, a nie katalog modeli [1][2].

To rozróżnienie ma praktyczne znaczenie: zgodność API nie daje dostępu do zamkniętych modeli z subskrypcji ChatGPT. Wybór modelu pozostaje osobną decyzją, podobnie jak wybór między modelami do kodowania, który opisujemy w porównaniu GPT-5.5 i Opus 4.7.

Jak wypada porównanie z API hostowanym przez OpenAI?

Poniższa tabela zestawia dwie ścieżki: model na własnym endpointcie w SageMaker AI oraz model wywoływany z API OpenAI. Kryteria dotyczą miejsca działania, sposobu wywołania, zarządzania infrastrukturą i rozliczeń.

KryteriumEndpoint OpenAI w SageMaker AIAPI OpenAI
Kto udostępnia modeleModele open-weight lub własne, wdrożone przez Ciebie [2]Modele opracowane przez OpenAI [6]
Gdzie działa inferencjaNa endpointcie w Twoim koncie AWS [2]W infrastrukturze OpenAI [6]
Jak wywołujeszOpenAI SDK, LangChain, Strands Agents po zmianie base_url [1]OpenAI SDK i API OpenAI [6]
RozliczanieKoszt instancji i działania endpointu po Twojej stronie [1]Opłaty za użycie API w OpenAI, oddzielnie od planu ChatGPT [7]

Oba warianty korzystają z tego samego formatu żądania, więc warstwa aplikacji może pozostać wspólna. Różnica leży w tym, kto odpowiada za dostępność, skalowanie i koszt infrastruktury [1][3].

Czego ta zgodność nie obejmuje?

AWS wymienia OpenAI Python SDK, LangChain i Strands Agents, ale nie deklaruje pełnej zgodności ze wszystkimi endpointami, modelami i parametrami współczesnego API OpenAI [1][2]. Funkcje spoza obsługiwanego podzbioru nie zadziałają tylko dlatego, że adres jest zgodny.

Po stronie wdrożenia zostają rzeczy, których zmiana adresu nie usuwa: utworzenie i utrzymanie endpointu, dobór instancji GPU, konfiguracja uprawnień IAM oraz koszt działania endpointu przez cały czas, niezależnie od ruchu [1][2]. Dochodzi zachowanie konkretnego modelu — jakość odpowiedzi po migracji zależy od modelu i kontenera, nie od samego wywołania [2].

Ile kosztuje ChatGPT w Polsce i czy API wymaga płatnego planu? (stan na październik 2026)

API OpenAI jest rozliczane oddzielnie od subskrypcji ChatGPT [7]. Plan Free kosztuje 0 USD, Go 8 USD miesięcznie, Plus 20 USD miesięcznie, a Pro 200 USD miesięcznie [7][8][9][12]. OpenAI prowadzi rozliczenia w PLN dla Polski, a zmiana waluty wymaga anulowania i ponownej subskrypcji po zakończeniu okresu rozliczeniowego [10].

Polskie zestawienie z września 2026 podaje ceny lokalne: 34,99 zł za Go, 99,99 zł za Plus i 999 zł za Pro 200 miesięcznie [11]. Kwoty w USD są oficjalne, ceny w złotych pochodzą z zestawienia zewnętrznego i mogą różnić się w koszyku płatności.

Jak zacząć migrację krok po kroku?

  1. Wdróż model jako endpoint inferencji w czasie rzeczywistym w SageMaker AI, korzystając z kontenera vLLM, SGLang lub własnego kontenera zgodnego z OpenAI [2].
  2. Zapisz adres endpointu razem z regionem: https://runtime.sagemaker.REGION.amazonaws.com/endpoints/NAZWA/openai/v1 [2].
  3. Skonfiguruj uprawnienia sagemaker:CallWithBearerToken i sagemaker:InvokeEndpoint oraz mechanizm generowania tokenu bearer z poświadczeń AWS [1][2].
  4. W kodzie aplikacji zmień base_url w kliencie OpenAI. Wywołania chat.completions i streaming pozostają bez zmian [1].
  5. Uruchom test na wybranym fragmencie ruchu i porównaj opóźnienia, liczbę błędów oraz koszt endpointu z dotychczasowym dostawcą [1][2].

Punkt piąty jest obowiązkowy: zgodność adresu nie gwarantuje, że model odpowie tak samo dobrze na Twoich danych [2].

Najczęstsze pytania

Czy trzeba przepisać kod aplikacji?

Nie, jeśli aplikacja korzysta z OpenAI SDK, LangChain albo Strands Agents i wywołuje Chat Completions. Zmiana sprowadza się do base_url i tokenu uwierzytelniającego [1][2]. Elementy spoza obsługiwanego podzbioru API wymagają osobnego sprawdzenia przed przełączeniem ruchu.

Czy SageMaker AI daje dostęp do modeli GPT-6 lub GPT-5.6?

Nie. Endpoint zgodny z OpenAI udostępnia modele, które sam wdrożysz — open-weight lub dostrojone [2]. Wyjątkiem są modele gpt-oss-20b i gpt-oss-120b w SageMaker JumpStart, dostępne od sierpnia 2025 roku [4][5]. Zamknięte modele OpenAI pozostają w ofercie OpenAI [6].

Jakie modele mogę uruchomić na takim endpointcie?

Dowolny model, który da się wdrożyć w kontenerze vLLM, SGLang albo własnym kontenerze obsługującym ścieżki OpenAI i endpoint /ping [2]. Obejmuje to modele open-weight i modele dostrojone przez zespół. Ograniczeniem jest kontener i jego zgodność z parametrami żądania, nie sama rodzina modeli [1][2].

Czy endpoint obsługuje odpowiedzi strumieniowe?

Tak, ścieżka /openai/v1/chat/completions obsługuje streaming [1][2]. Klient otrzymuje fragmenty odpowiedzi w formacie OpenAI, więc dotychczasowa obsługa streamingu w aplikacji pozostaje aktualna.

Ile trwa migracja?

Źródła AWS nie podają takiej liczby i nie ma jednego czasu dla wszystkich projektów. Nakład zależy od tego, czy endpoint już istnieje, jaki kontener jest użyty i ile funkcji API wykorzystuje aplikacja [1][2]. Wdrożenie i utrzymanie endpointu to praca po stronie infrastruktury, nie jednorazowa zmiana w kodzie [1].

Źródła

  1. Announcing OpenAI-compatible API support for Amazon SageMaker AI endpoints (AWS, 2026)
  2. Invoke endpoints with OpenAI-compatible APIs (AWS Docs, 2026)
  3. Amazon SageMaker AI now supports OpenAI-compatible APIs for inference endpoints (AWS What's New, 2026)
  4. GPT OSS models from OpenAI are now available on SageMaker JumpStart (AWS, 2025)
  5. OpenAI open weight models now available on AWS (AWS, 2025)
  6. OpenAI API (OpenAI, 2026)
  7. Plans and Pricing (ChatGPT, OpenAI, 2026)
  8. What is ChatGPT Go? (OpenAI Help Center, 2026)
  9. What is ChatGPT Plus? (OpenAI Help Center, 2026)
  10. Multi-currency billing (OpenAI Help Center, 2026)
  11. Ile kosztuje ChatGPT w 2026? Free, Go, Plus czy Pro — ceny w złotówkach (AI-Radar.pl, 2026)
  12. About ChatGPT Pro tiers (OpenAI Help Center, 2026)
AN
O autorze
Andrzej Niemiec

Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.

Jak powstają teksty: Polityka AI · O redakcji

Analiza i dane

Stack technologiczny

Stack technologiczny

Stack technologiczny