AWS lanza SageMaker Training Sessions sin gestionar GPUs

AWS abre SageMaker para entrenar agentes sin tocar las GPUs

AWS puso en disponibilidad general Training Sessions, una capacidad de Amazon SageMaker AI que permite escribir tu propio bucle de entrenamiento mientras la nube se encarga de las GPUs. El anuncio llegó el 22 de octubre y arranca con cuatro modelos soportados, tres regiones y una cuota por defecto de dos sesiones de fine-tuning simultáneas.

Para un founder, la pregunta relevante no es si el modelo es más inteligente, sino si puede dejar de pagar por infraestructura ociosa mientras su equipo experimenta.

Qué cambia respecto de lo que SageMaker ya hacía

SageMaker soporta fine-tuning desde hace años: AWS documentó la personalización de Llama 2 vía JumpStart en septiembre de 2023. También permitía llevar scripts propios a Training Jobs, con AWS aprovisionando las máquinas pero dejando al cliente decisiones como el tipo de instancia o la configuración de entrenamiento distribuido.

En diciembre de 2025 AWS sumó la personalización serverless. Training Sessions combina ese enfoque con un control programático más fino: el desarrollador dirige operaciones individuales —generar respuestas, calcular actualizaciones y aplicarlas— mediante llamadas a la API, y AWS ejecuta sobre las GPUs. Según CryptoBriefing, entre las operaciones expuestas están forward_backward y optim_step.

No es la primera vez que SageMaker hace fine-tuning ni reinforcement learning. Es una forma nueva de correr post-entrenamiento personalizado con menos configuración de infraestructura.

Cómo funciona el bucle de entrenamiento

El reparto de trabajo es explícito. El código del cliente dirige el experimento, conecta al agente con herramientas o entornos simulados y puntúa su comportamiento. SageMaker hace el cálculo pesado: generar respuestas y actualizar el modelo.

AWS lo ilustra con Group Relative Policy Optimization (GRPO): el modelo produce varias respuestas a un prompt, la función de scoring del cliente las evalúa y el servicio usa los puntajes relativos para guiar la actualización. El proceso se repite con el modelo revisado.

El cookbook de AWS explica que el modelo permanece en memoria de GPU entre operaciones, así que puedes pausar para inspeccionar resultados y ajustar el procedimiento. En experimentos de reinforcement learning se pueden generar respuestas sin desplegar un endpoint de inferencia aparte. Incluye ejemplos de chat, matemáticas, programación y preference learning, además de agent skills para asistentes de código como Kiro, Claude Code, Codex y GitHub Copilot.

Eso no elimina el juicio técnico. Sigue siendo tu responsabilidad decidir qué debe aprender el modelo, si las recompensas premian el comportamiento que buscas y si la mejora sobrevive a ejemplos que el modelo nunca vio.

Qué modelos, regiones y clientes hay en el lanzamiento

Los cuatro modelos confirmados en el anuncio son gpt-oss-20b, gemma-4-31B-it, Qwen3.6-27B y Qwen3.8-27B. El cookbook identifica Northern Virginia, Oregon y Mumbai como regiones soportadas; la tabla pública lista GPT-OSS-20B en las tres, y Gemma-4-31B-it y Qwen-3.6-27B en Oregon y Mumbai. CryptoBriefing añade que la lista de modelos soportados abarca familias como Llama, Gemma, Qwen, Nemotron y gpt-oss.

Dos clientes tempranos aparecen en el anuncio: ImagineSoftware, que construyó un modelo para clasificar rechazos de reclamos de salud con reinforcement learning, y Karini AI, que personalizó gpt-oss-20b para un agente que conversa con un grafo de conocimiento Amazon Neptune en varios pasos. Ninguno de los dos publicó cifras comparativas de precisión, costo o velocidad de despliegue.

Cuánto cuesta: facturación por tokens

AWS cobra por tokens procesados, no por reservar capacidad de GPU. El medidor de la sesión se pausa mientras tu código de scoring evalúa un lote, algo que pesa cuando evaluar toma tiempo entre actualizaciones del modelo.

Pero un medidor en pausa no vuelve gratis la aplicación. Hay que presupuestar cómputo adicional, almacenamiento, servicios de evaluación e inferencia en producción. La documentación separa el cobro en procesamiento de entrada, generación de respuestas y entrenamiento, así que una comparación seria exige estimar los tres rubros a lo largo de varios experimentos. El anuncio no publica tarifas en dólares ni una factura representativa de entrenamiento.

AWS entra a un mercado que ya tiene jugadores

Training Sessions aterriza en un mercado donde ya se separa el diseño del algoritmo de la gestión de GPUs. Tinker, de Thinking Machines Lab, ofrece un enfoque cercano: interfaces para generar respuestas, actualizar modelos y guardar progreso, con precios que también distinguen procesamiento de entrada, sampling y entrenamiento. Según SiliconANGLE, Tinker pasó a disponibilidad general en diciembre de 2025 y la empresa fundada por Mira Murati había levantado una ronda semilla de US$2.000 millones.

Del lado de los datos, Databricks anunció la disponibilidad general de su AI Runtime (AIR), con GPUs serverless de NVIDIA, soporte para NeMo y cookbooks de Nemotron, según su propio blog.

La ventaja que AWS puede jugar con una empresa que ya vive en su nube es la integración: roles de acceso definidos por el cliente, claves de cifrado gestionadas por el cliente, configuraciones de red privada y datos y checkpoints alojados en el S3 del cliente. AWS afirma que no usa los datos ni los pesos personalizados para entrenar otro modelo. También señala que los modelos personalizados pueden correr en SageMaker para inferencia y que algunos pueden importarse a Amazon Bedrock, sin que el anuncio garantice las mismas opciones de despliegue para todos.

Qué significa esto para tu startup

• Antes de entrenar, define la métrica de éxito. El servicio te da control sobre el bucle, no sobre el objetivo. Si no puedes escribir una función de scoring que distinga una resolución correcta de una incorrecta, el reinforcement learning solo va a amplificar tu ambigüedad.
• Corre un piloto con línea base. Compara el modelo personalizado contra tu enfoque actual en tres ejes: tareas completadas, fallos y costo operativo total. El gasto incluye entrada, generación y entrenamiento, más evaluación e inferencia en producción.
• Empieza por LoRA. El cookbook demuestra LoRA, que entrena un conjunto pequeño de parámetros adicionales y consume menos recursos que el fine-tuning completo. Es el camino razonable para validar si el caso de uso justifica más inversión.
• Revisa la región antes de diseñar la arquitectura. Con soporte limitado a tres regiones y una cuota por defecto de dos sesiones simultáneas, tus supuestos de latencia y cumplimiento normativo cambian. La ruta de SDK pide Linux o macOS con Python 3.10 a 3.12.

Conclusión

AWS no inventó el fine-tuning ni el reinforcement learning: le quitó trabajo de infraestructura a quien ya sabe escribir el algoritmo. Para equipos hispanohablantes con equipos de datos chicos, eso baja la barrera de entrada a experimentos que antes exigían un especialista en entrenamiento distribuido. La parte difícil sigue siendo la misma de siempre: saber qué comportamiento quieres premiar y demostrar que el modelo lo aprendió.

Fuentes

• VentureBeat (fuente original)
• CryptoBriefing
• SiliconANGLE
• Databricks

Artículos relacionados:

AWS y OpenAI: $38B en acuerdo para modelos IA en cloud Claude Platform AWS: 100K clientes ya usan IA de Anthropic AWS y Azure serán gatekeepers DMA en la UE antes de fin de 2026 TBC lleva su IA «cerebro de rata» al AWS Marketplace AWS elimina el bucketsquatting en S3: así funciona