Amazon SageMaker AI ahora admite la personalización de modelos sin servidor para los modelos Gemma 4
Amazon SageMaker AI ahora admite la personalización de modelos sin servidor para los modelos Gemma 4 E4B y 31B mediante el ajuste fino supervisado (SFT), la optimización de preferencias directas (DPO) y el refinamiento por refuerzo (RFT). Gemma es una familia de modelos abiertos creados por Google DeepMind. Además de implementar estos modelos en SageMaker AI, ahora puede adaptarlos a sus dominios y flujos de trabajo específicos. Este lanzamiento también amplía la variedad de modelos disponibles para la personalización sin servidor en SageMaker AI, incluidos los modelos de las familias Nova, Nemotron 3, Qwen, Llama, gpt-oss y DeepSeek.
La personalización de modelos le permite adaptar estos modelos fundacionales con sus datos patentados, ya sea para mejorar la precisión en las tareas específicas del 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 en SageMaker AI está disponible en el este de EE. UU. (norte de Virginia), el oeste de EE. UU. (Oregón), Asia-Pacífico (Tokio) y Unión Europea (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.