AWS lanza en disponibilidad general las sesiones de entrenamiento de SageMaker AI para personalizar modelos
Hecho Qué ha ocurrido
AWS ha anunciado la disponibilidad general de las sesiones de entrenamiento dentro de la personalización de modelos sin servidor de SageMaker AI. Permiten escribir el bucle de post-entrenamiento propio, con funciones de pérdida y señales de recompensa personalizadas, mientras la plataforma gestiona la asignación de GPUs, la ejecución distribuida, la recuperación de fallos y el almacenamiento de checkpoints. Son compatibles los modelos gpt-oss-20b, gemma-4-31B-it, Qwen3.6-27B y Qwen3.8-27B.
Resumen generado mediante IA a partir de AWS Machine Learning Blog (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Reduce la barrera técnica para ajustar modelos abiertos con aprendizaje por refuerzo, especialmente para agentes que requieren varias interacciones, sin montar infraestructura de GPUs propia.
- Quién se ve afectado
- Equipos de ciencia de datos y desarrollo que personalizan modelos abiertos en AWS, especialmente en sectores con requisitos de precisión como la sanidad.
- Qué puede cambiar
- Las empresas que ya usan SageMaker podrían entrenar modelos con lógica de recompensa propia pagando por tokens procesados, en lugar de gestionar clústeres. El cambio depende de cuánto valor aporte el ajuste frente al coste.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Conviene vigilar el precio por token del servicio, la disponibilidad de los modelos soportados frente a los que las empresas necesitan y los resultados independientes de calidad, ya que las cifras citadas son testimonios de clientes.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: AWS Machine Learning Blog (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗aprendizaje por refuerzoLoRAfine-tuningagentes de IAmodelos abiertos AWSImagineSoftwareKarini AI aprendizaje por refuerzo AWS GPT-OSS-20B post-entrenamiento SageMaker AI
Forma parte de la historia AWS lanza sesiones de entrenamiento de SageMaker AI (2 noticias, estado: en evolución).
Relacionadas
AWS permite escribir bucles de entrenamiento propios para LLM sin gestionar GPUs
Amazon SageMaker AI presenta las APIs de sesiones de entrenamiento, con las que el usuario escribe su propio bucle de entrenamiento de LLM en Python mientras…
Por qué importaPermite a equipos con necesidades de entrenamiento no estándar, como pérdidas personalizadas o aprendizaje por refuerzo, experimentar sin operar…
AWS permite ajuste sin servidor de modelos NVIDIA Nemotron 3 en SageMaker
Amazon SageMaker AI ha lanzado capacidades de personalización sin servidor para los modelos Nemotron 3 de NVIDIA, comenzando con Nemotron 3 Nano (30B…
Por qué importaEsta novedad reduce significativamente la barrera técnica y operacional para que empresas medianas y grandes adapten modelos de alto rendimiento a…
AWS SageMaker mejora observabilidad y personalización de modelos generativos en 2025
AWS ha lanzado mejoras en SageMaker AI para 2025 enfocadas en observabilidad, personalización y alojamiento de modelos generativos. Las principales novedades…
Por qué importaEstas capacidades reducen significativamente la complejidad operativa y el costo de desplegar y mantener modelos generativos en producción…
AWS lanza interfaz para optimizar despliegue de modelos de IA en SageMaker
AWS ha presentado una interfaz gráfica en Amazon SageMaker AI Studio para optimizar la inferencia de modelos generativos sin necesidad de código. Esta UI…
Por qué importaDemocratiza el despliegue eficiente de modelos IA en producción: equipos sin experiencia profunda en infraestructura pueden obtener configuraciones…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.