Kiro の GPT-5.6 が 1M トークンのコンテキストウィンドウに対応。新しいクレジット倍率も確認してみた

kiro-cli chat --list-models -f json

{"model_id":"gpt-5.6-sol","context_window_tokens":1000000,"rate_multiplier":4.4,"rate_unit":"Credit"}
{"model_id":"gpt-5.6-terra","context_window_tokens":1000000,"rate_multiplier":2.2,"rate_unit":"Credit"}
{"model_id":"gpt-5.6-luna","context_window_tokens":1000000,"rate_multiplier":1.1,"rate_unit":"Credit"}

#!/usr/bin/env python3
"""botocore のソースコードから決まったサイズの入力ファイルを作る。

同一の入力を複数モデルへ渡してコンテキスト消費とクレジット消費を比べるための素材。
ファイル一覧はパス順に固定し、先頭から必要な文字数で切るだけなので、
同じ botocore バージョンなら誰が実行しても同じ内容になる。
"""
import pathlib
import sys

import botocore

ROOT = pathlib.Path(botocore.__file__).parent
SIZES = {"input-480k.txt": 480_000, "input-1200k.txt": 1_200_000, "input-1400k.txt": 1_400_000}

def build_corpus(limit: int) -> str:
    parts: list[str] = []
    total = 0
    for path in sorted(ROOT.rglob("*.py")):
        try:
            text = path.read_text(encoding="utf-8")
        except (UnicodeDecodeError, OSError):
            continue
        header = f"\n===== FILE: botocore/{path.relative_to(ROOT)} =====\n"
        parts.append(header + text)
        total += len(header) + len(text)
        if total >= limit:
            break
    return "".join(parts)

def main() -> int:
    outdir = pathlib.Path(sys.argv[1] if len(sys.argv) > 1 else ".")
    outdir.mkdir(parents=True, exist_ok=True)
    corpus = build_corpus(max(SIZES.values()))
    print(f"botocore {botocore.__version__} at {ROOT}")
    print(f"corpus: {len(corpus)} chars")
    if len(corpus) < max(SIZES.values()):
        print("ERROR: corpus is smaller than the largest target size", file=sys.stderr)
        return 1
    for name, size in SIZES.items():
        body = corpus[:size]
        (outdir / name).write_text(body, encoding="utf-8")
        print(f"{name}: {len(body)} chars / {len(body.encode('utf-8'))} bytes")
    return 0

if __name__ == "__main__":
    raise SystemExit(main())

===== FILE: botocore/__init__.py =====
# Copyright (c) 2012-2013 Mitch Garnaat http://garnaat.org/
# Copyright 2012-2014 Amazon.com, Inc. or its affiliates. All Rights Reserved.

AWSサービスのモデルや設定を読み込み、各サービス向けのクライアントを動的に生成します。
エンドポイント解決、認証情報管理、リクエストのシリアライズ、圧縮、再試行、AWS署名を処理します。
HTTP通信やS3などのサービス固有機能を提供し、APIクライアントやパラメータ、例外、ドキュメントも生成します。

botocore は AWS の各サービス API を Python から呼び出すための低レベル SDK 基盤であり、JSON のサービス定義モデルを読み込んでクライアントとそのメソッドを動的に生成します。

この抜粋には、クライアント生成と設定解決（client.py／args.py／config.py／configprovider.py／configloader.py）、認証情報の取得と自動更新（credentials.py）、SigV2/V3/V4/SigV4a・ベアラー等による署名（auth.py／crt/auth.py）、HTTP リクエストの組み立てと送信（awsrequest.py／compress.py）が含まれます。

さらに、エンドポイントの動的ディスカバリ（discovery.py）、リトライやチェックサム等の挙動を制御する設定群、API ドキュメント文字列を生成する docs パッケージといった周辺機能も備え、boto3 や AWS CLI の土台として機能します。

botocoreはAWS SDK for PythonおよびAWS CLIの基盤となるコアライブラリで、サービスモデル(JSON定義)からクライアントを動的生成し、リクエストの構築・シリアライズ・署名(SigV2/V4/V4a/S3Express等)・送信・レスポンス解析までを担う。
認証情報の取得(環境変数、共有設定ファイル、IMDS、AssumeRole、SSO、コンテナ、aws loginなど多数のプロバイダ)、エンドポイント解決、リトライ、圧縮、ユーザーエージェント生成、ドキュメント生成といった横断的な機能も内包する。
提示されたファイル群は__init__、args、auth、awsrequest、client、compat、compress、config、configloader、configprovider、context、credentials、crt、discovery、docsなど、これらの責務ごとにモジュール分割された実装コードである。

botocore は AWS の各サービスに HTTP リクエストを送るための低レベル Python SDK であり、サービス定義モデルから動的にクライアントとメソッドを生成する。

認証情報の解決（環境変数・共有ファイル・SSO・IAM ロールなど）や SigV2/V3/V4/V4a・ベアラートークンといった各種方式でのリクエスト署名を担当する。

さらに、設定の階層的な読み込み、エンドポイント解決、リトライ・圧縮・エンドポイント探索などの処理と、API リファレンス文書の自動生成機能を提供する。