SageMaker AI ahora admite la personalización de modelos sin servidor para Qwen3.6
Amazon SageMaker AI ahora admite la personalización de modelos sin servidor para el modelo de parámetros de 27B Qwen3.6 mediante el refinamiento supervisado (supervised fine-tuning, SFT) y el refinamiento de refuerzo (reinforcement fine-tuning, RFT). Qwen3.6 es una popular familia de modelos de peso abierto de Alibaba Cloud. Este lanzamiento se suma a nuestra asistencia para refinar Qwen3.5 y otros modelos populares. Antes de este lanzamiento, podía desplegar el modelo básico Qwen3.6 en SageMaker AI y, ahora, también puede adaptarlo a sus dominios y flujos de trabajo específicos.
La personalización de modelos le permite adaptar los modelos básicos con sus datos propios para que reflejen con mayor precisión el conocimiento, la terminología y los estándares de calidad de su dominio. En lugar de crear modelos desde cero, el refinamiento le permite partir de un modelo base capaz y especializarlo para sus casos de uso, ya sea para mejorar la precisión en las tareas específicas de un dominio, alinear los resultados con el tono de su organización o mejorar el rendimiento en nuevas tareas utilizando sus datos etiquetados. Con la personalización sin servidor, SageMaker AI gestiona todo el aprovisionamiento de la infraestructura y la orquestación del entrenamiento, de modo que puede centrarse en los datos y la evaluación en lugar de en la administración de clústeres, y pagar solo por lo que utiliza.
La personalización del modelo sin servidor para Qwen3.6 en SageMaker AI está disponible en el Este de EE. UU. (norte de Virginia), el Oeste de EE. UU. (Oregón), Asia-Pacífico (Tokio) y UE (Irlanda). Para empezar, vaya a la página Modelos de Amazon SageMaker Studio a fin de iniciar un trabajo de personalización o utilice el SDK de Python de SageMaker para acceder mediante programación. Para obtener más información, consulte la documentación de personalización del modelo de Amazon SageMaker AI.