Ir al contenido
IA para hoy
Herramientas y productos Producto 3/5 · Una fuente fiable

AWS añade el ajuste fino completo (FFT) a su personalización de modelos sin servidor en SageMaker AI

Fotografía de archivo que ilustra: AWS añade el ajuste fino completo (FFT) a su personalización de modelos sin servidor en SageMaker AI
Foto: Stanislav Kondratiev · Licencia Pexels · Pexels

Hecho Qué ha ocurrido

AWS anuncia que Amazon SageMaker AI Serverless Model Customization ya soporta Full Fine-Tuning (FFT), que actualiza todos los parámetros del modelo en lugar de usar adaptadores de bajo rango como LoRA. En sus pruebas con Qwen3-4B y 110.000 pares de instrucciones de código, FFT obtuvo un 90,0 % de corrección semántica según un juez LLM con más de 100.000 ejemplos. Los resultados son de la propia AWS y no han sido verificados de forma independiente.

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

Permite a empresas que disponen de datos propios de calidad valorar un ajuste fino más potente sin gestionar GPU ni configuración distribuida. La decisión entre FFT y LoRA pasa a depender del tamaño del conjunto de datos y del coste de cómputo.

Quién se ve afectado
Equipos de ciencia de datos y de ingeniería de ML que personalizan LLM en AWS.
Qué puede cambiar
Cambiar de LoRA a FFT requiere, según el ejemplo del artículo, modificar un único parámetro del código, lo que reduce la barrera para probar ambos métodos. El coste y el rendimiento reales dependerán de cada caso de uso.

Análisis generado a partir de la información disponible; no procede de la fuente.

Predicción Qué observar a continuación

Conviene vigilar los precios del servicio sin servidor para FFT frente a LoRA y si los resultados se reproducen en tareas distintas de la programación. También la aparición de evaluaciones independientes.

Recomendación Qué debería hacer una empresa

Comparar FFT y LoRA sobre un conjunto de validación propio en los próximos 3 meses antes de decidir la estrategia de personalización.

Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.

Compartir WhatsApp LinkedIn X Bluesky Telegram
Enviar esta noticia por correo

Se envía esta noticia con su análisis. La dirección se usa solo para ese envío y no se guarda.

Protección de datos. Responsable: Fernando Lobato, PhD. Finalidad: hacer el envío que pides. Base: nuestro interés legítimo. Lo envía Resend; la comprobación de robots es de Cloudflare. Puedes acceder a tus datos, pedir que los borremos y ejercer tus demás derechos como explica la política de privacidad.

Fuente original: AWS Machine Learning Blog (fuente primaria). La referencia es siempre el artículo original.

Ver fuente original ↗

LLMajuste finoLoRA AWSAmazon SageMaker AWS Full Fine-Tuning LoRA Qwen3-4B SageMaker AI

Relacionadas

AWS SageMaker AI incorpora agentes para automatizar el ajuste fino de modelos

Amazon SageMaker AI ha lanzado una experiencia basada en agentes de IA que automatizan todo el ciclo de personalización de modelos: desde la definición del…

Por qué importaSimplifica significativamente la personalización de modelos LLM, tarea que actualmente requiere múltiples técnicas especializadas y meses de…

Impacto alto Fiabilidad fuente primaria Relevancia 7/10 AWS Machine Learning Blog
Herramientas y productos

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…

Impacto medio Fiabilidad confirmado por varias fuentes AWS Machine Learning Blog
Herramientas y productos

AWS lanza en disponibilidad general las sesiones de entrenamiento de SageMaker AI para personalizar modelos

AWS ha anunciado la disponibilidad general de las sesiones de entrenamiento dentro de la personalización de modelos sin servidor de SageMaker AI. Permiten…

Por qué importaReduce la barrera técnica para ajustar modelos abiertos con aprendizaje por refuerzo, especialmente para agentes que requieren varias interacciones…

Impacto medio Fiabilidad una fuente fiable AWS Machine Learning Blog
Herramientas y productos

AWS Nova Forge SDK simplifica el fine-tuning de modelos con SFT y RFT

AWS ha publicado un tutorial sobre Nova Forge SDK, que permite ajustar modelos Amazon Nova mediante SageMaker AI Training Jobs. El ejemplo demuestra el proceso…

Por qué importaNova Forge SDK reduce significativamente la complejidad técnica para ajustar modelos: elimina la necesidad de gestionar dependencias, seleccionar…

Impacto alto Fiabilidad confirmado por varias fuentes Relevancia 7/10 AWS Machine Learning Blog

Tu opinión

0 comentarios

Escribe un comentario

Sin registro. La primera vez te pediremos confirmar el correo y el comentario pasará por moderación; después se publican al momento si cumplen las normas y firmas con el mismo nombre.

Protección de datos. Responsable: Fernando Lobato, PhD. Finalidad: publicar y moderar tu comentario y evitar abusos. Base: tu consentimiento y, contra los abusos, nuestro interés legítimo. Se publica tu nombre, no tu correo. El texto pasa por un filtro con IA de Anthropic, en Estados Unidos, sin tu nombre ni tu correo, y se guarda un resumen de tu IP 90 días. La comprobación de robots es de Cloudflare. Puedes acceder a tus datos, pedir que los borremos y ejercer tus demás derechos como explica la política de privacidad.