AWS permite escribir tu propio bucle de entrenamiento de LLM y pagar por tokens, no por horas de alquiler de GPU
Para ajustar un modelo de lenguaje (LLM) a tu medida, normalmente tienes que mantener tu propio clúster de GPU. Amazon SageMaker AI propone otra vía: escribes el bucle de entrenamiento en Python en tu equipo, y AWS asume las GPU, los fallos y la ejecución distribuida. La facturación es por tokens procesados, no por horas de alquiler: mientras tu código tarda 10 segundos en verificar las respuestas, las GPU no se cobran. Es adecuado si necesitas una recompensa propia o una función de pérdida no estándar sin administrar hardware.
Procesado por IA desde AWS Machine Learning Blog; editado por Hamidun News
Imagine que ajusta un modelo de lenguaje (LLM) y necesita su propia función de recompensa: por ejemplo, un código que ejecuta las respuestas del modelo contra pruebas unitarias y les asigna una puntuación. Los servicios gestionados listos para usar no lo permiten, así que tendría que montar usted mismo un clúster de GPU, configurar los frameworks y vigilar que nada se caiga en mitad de la noche. Amazon SageMaker AI ofrece ahora una tercera opción: las API de sesiones de entrenamiento (training session APIs). Usted escribe el bucle de entrenamiento en Python, y AWS se encarga del alquiler y el mantenimiento de la computación.
Qué oculta AWS
Antes, los servicios gestionados ocultaban al usuario el propio algoritmo: se elegía el modelo, se cargaban los datos y se definían los hiperparámetros. Aquí lo que se oculta es la computación, mientras que el algoritmo sigue siendo suyo. Las operaciones básicas de entrenamiento se convierten en llamadas a API: forward_backward() calcula cómo hay que modificar los pesos, optim_step() aplica ese cambio y sample() genera las respuestas del modelo. Con estos bloques puede construir cualquier procedimiento: el ajuste fino supervisado (SFT) con ejemplos etiquetados, la optimización de preferencias, el aprendizaje por refuerzo (RL) o un método nuevo publicado la semana pasada.
El código se ejecuta en su máquina, y las llamadas van a una sesión activa con GPU en la que ya están cargados el modelo base y un adaptador LoRA (una pequeña capa adicional, que es la que se entrena). El modelo permanece en memoria entre pasos. El servicio se encarga de la ejecución distribuida, la sincronización de gradientes, la recuperación tras fallos y el aislamiento de clientes. Además, la sesión activa expone un endpoint compatible con chat completions de OpenAI, de modo que el código cliente existente puede dirigirse al modelo en entrenamiento.
El SDK de SageMaker Python incluye tres clientes. ServiceClient guarda la configuración de la plataforma: el rol de acceso, la ubicación de los resultados en S3 y, si procede, la clave KMS y la configuración de VPC. Este crea un TrainingClient para el entrenamiento y el guardado de checkpoints, y este a su vez crea un SamplingClient para generar y evaluar respuestas.
Cómo funciona en una tarea de matemáticas escolares
AWS muestra un ejemplo mínimo con GSM8K. Es un conjunto de unos 8500 problemas de texto de matemáticas escolares, cada uno con una única respuesta numérica. Por ejemplo: Natalia vendió clips a 48 amigos en abril, y en mayo la mitad. ¿Cuántos vendió en total? Respuesta: 72. Se entrena un adaptador LoRA para GPT-OSS 20B con el método GRPO. Para cada pregunta, el modelo genera varias variantes de respuesta, cada una se comprueba por su corrección, y las que superan la media del grupo se refuerzan.
Cada paso del bucle tiene cuatro partes. Primero, la GPU genera las respuestas. Después, su código en el portátil las evalúa: 1 si el número coincide con la referencia, 0 si no. A continuación, la GPU ejecuta forward_backward y optim_step. Por último, se actualiza el generador para que el siguiente paso tome las respuestas del modelo ya mejorado. Los datos, el control del bucle y la recompensa siguen en su poder, y todo lo que requiere GPU lo realiza SageMaker.
El mismo conjunto de operaciones sirve para un SFT normal: se eliminan la generación y la recompensa, y se calcula cross_entropy sobre ejemplos etiquetados. Junto con el servicio, AWS ha publicado un cookbook con recetas listas de SFT y RL. La más representativa enseña a un modelo a resolver problemas olímpicos de programación: el código generado se ejecuta contra pruebas unitarias, y el resultado se convierte en recompensa.
Dinero y a quién le sirve
La principal particularidad práctica está en el pago. Se factura por tokens procesados, no por horas de trabajo de GPU. Si su función de recompensa tarda diez segundos en evaluar un lote en su máquina, las GPU no se tarifican durante ese tiempo. No hay tiempo ocioso en la factura: la carga de datos, el registro y la depuración no consumen presupuesto de GPU. El coste depende del volumen de datos y de generación, no del tiempo de reloj ni del tamaño del clúster, así que es más fácil de prever y los experimentos son más fáciles de comparar. Resulta especialmente ventajoso cuando hay mucho cálculo local: modelos de recompensa complejos, ejecuciones agénticas con varias herramientas, revisión humana.
El servicio está dirigido a investigadores de postentrenamiento, equipos con pérdidas no estándar o pipelines de varias etapas, desarrolladores de RL agéntico e ingenieros de ML que han superado las recetas de configuración pero no quieren administrar clústeres. Para el control total del hardware siguen disponibles SageMaker Training Jobs y HyperPod.
También hay limitaciones. El entrenamiento se realiza mediante adaptadores LoRA; la lista de modelos y regiones compatibles debe consultarse en la documentación, y la descripción del servicio proviene de la propia AWS, sin mediciones independientes. Si solo necesita una receta estándar, la personalización gestionada es más sencilla. Y si lo que le limita es su propio algoritmo y no el hardware, este enfoque merece la pena probarlo.
- 21 nov 2026AG-UI 1.0 le da a los agentes de IA un lenguaje común para comunicarse con la aplicación: 31 tipos de eventos
- 21 nov 2026OpenAI lanza ChatGPT Wallet: los agentes compran sin ver el número de la tarjeta
- 21 nov 2026Los anunciantes estadounidenses gastaron 70,7 millones de dólares en publicidad en ChatGPT en octubre, un 127 % más que en abril
- 21 nov 2026ONNX Runtime desaparece de GitHub: Microsoft oculta los repositorios tras el ataque a un paquete
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué oculta AWS?
Antes, los servicios gestionados ocultaban al usuario el propio algoritmo: se elegía el modelo, se cargaban los datos y se definían los hiperparámetros. Aquí lo que se oculta es la computación, mientras que el algoritmo sigue siendo suyo. Las operaciones básicas de entrenamiento se convierten en llamadas a API: forward_backward() calcula cómo hay que modificar los pesos, optim_step() aplica ese cambio y sample() genera las respuestas del modelo.
Cómo funciona en una tarea de matemáticas escolares?
AWS muestra un ejemplo mínimo con GSM8K. Es un conjunto de unos 8500 problemas de texto de matemáticas escolares, cada uno con una única respuesta numérica. Por ejemplo: Natalia vendió clips a 48 amigos en abril, y en mayo la mitad. ¿Cuántos vendió en total? Respuesta: 72. Se entrena un adaptador LoRA para GPT-OSS 20B con el método GRPO. Para cada pregunta, el modelo genera varias variantes de respuesta, cada una se comprueba por su corrección, y las que superan la media del grupo se refuerzan.
¿Qué se sabe sobre Dinero y a quién le sirve?
La principal particularidad práctica está en el pago. Se factura por tokens procesados, no por horas de trabajo de GPU. Si su función de recompensa tarda diez segundos en evaluar un lote en su máquina, las GPU no se tarifican durante ese tiempo. No hay tiempo ocioso en la factura: la carga de datos, el registro y la depuración no consumen presupuesto de GPU.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.