AWS lanza Global Inference Gateway para repartir la inferencia de IA entre clústeres de SageMaker HyperPod

Hecho Qué ha ocurrido
AWS presenta Global Inference Gateway, un endpoint gestionado de SageMaker HyperPod que enruta las peticiones de inferencia entre varios clústeres, en una misma región o en varias. Elige el clúster más adecuado, redirige el tráfico automáticamente si un clúster falla y autentica cada petición con SigV4 e IAM a través de AWS PrivateLink. Los clientes publican cada clúster una vez y crean el gateway con una llamada a CreateGlobalInferenceGateway.
Resumen generado mediante IA a partir de AWS Machine Learning Blog (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Para equipos que sirven modelos grandes, la escasez de GPU obliga a repartir capacidad entre clústeres y regiones, y hasta ahora cada cliente tenía que elegir el destino y montar su propio balanceo y failover. Reduce ese trabajo de operación si ya se usa SageMaker HyperPod.
- Quién se ve afectado
- Equipos de plataforma e ingeniería que operan inferencia de LLM propia sobre SageMaker HyperPod en varias regiones.
- Qué puede cambiar
- El enrutamiento entre clústeres y regiones pasa a gestionarse como servicio, lo que puede aprovechar GPU ociosas en picos y reducir la configuración manual ante fallos.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Precios del gateway, disponibilidad en más regiones y resultados de rendimiento en cargas reales fuera de las pruebas beta, como el caso de Bagelcode citado por AWS.
Recomendación Qué debería hacer una empresa
Los equipos que ya sirven modelos en dos o más clústeres de HyperPod deberían evaluar el gateway en un entorno de pruebas en los próximos 3-6 meses, comparando latencia y coste con su enrutamiento actual.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
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 ↗inferencia de LLMGPU AWSBagelcode AWS balanceo de carga GPU inferencia SageMaker HyperPod
Forma parte de la historia AWS amplía SageMaker HyperPod con enrutamiento de inferencia y gestión de clústeres (2 noticias, estado: en evolución).
Relacionadas
AWS lanza extensiones gestionadas para observabilidad y gestión de usuarios en clústeres Slurm de SageMaker HyperPod
AWS ha presentado en noviembre de 2026 las cluster extensions de Amazon SageMaker HyperPod, paquetes de software gestionados que se instalan, configuran y…
Por qué importaPara equipos que mantienen clústeres Slurm compartidos, sustituir scripts de arranque por configuración validada reduce la deriva entre nodos y…
AWS lanza SageMaker HyperPod Inference Gateway para enrutamiento de inferencia según uso de GPU
AWS presenta Amazon SageMaker HyperPod Inference Gateway, un addon nativo de Kubernetes para EKS que enruta cada solicitud de inferencia al pod más adecuado…
Por qué importaPara empresas que ejecutan LLMs a gran escala en GPU, un enrutamiento más inteligente puede reducir costes de sobreaprovisionamiento y mejorar la…
AWS lanza el enrutamiento entre regiones para la inferencia en Amazon SageMaker AI
AWS ha presentado el enrutamiento de inferencia entre regiones en Amazon SageMaker AI, mediante un recurso llamado inference router que ofrece una sola ruta de…
Por qué importaPara equipos que sirven modelos en producción, reduce el código propio de conmutación entre regiones cuando falta capacidad de GPU. Sirve sobre todo…
AWS integra NVIDIA Dynamo en SageMaker HyperPod para inferencia distribuida con modelos grandes
Amazon SageMaker HyperPod Inference añade soporte para NVIDIA Dynamo, con servicio multinodo, separación de prefill y decode, enrutado con caché KV y…
Por qué importaPermite servir modelos que no caben en una sola máquina sin construir la capa de orquestación propia. Para equipos que operan modelos abiertos…
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.


