AWS спрощує розробку власних LLM: нові інструменти в SageMaker та Bedrock
- AWS представила функцію безсерверного налаштування моделей у SageMaker: розробникам більше не потрібно керувати інфраструктурою для тренування ШІ.
- Інструмент підтримує роботу з фірмовими моделями Amazon Nova, а також відкритими рішеннями на кшталт Llama від Meta та DeepSeek.
- У сервісі Bedrock з’явилося автоматизоване доналаштування (Reinforcement Fine-Tuning), де система сама оптимізує модель під задані критерії.
- Стратегія AWS спрямована на компанії, які хочуть відрізнятися від конкурентів, використовуючи власні дані, а не стандартні загальнодоступні чат-боти.
На конференції re:Invent компанія Amazon Web Services (AWS) оголосила про розширення можливостей своїх платформ Bedrock та SageMaker. Головний фокус оновлень — спрощення процесу створення та кастомізації великих мовних моделей (LLM) для корпоративних клієнтів. Компанія намагається розв’язати проблему “однакових інструментів”, коли бізнеси втрачають конкурентну перевагу, використовуючи ті самі стандартні моделі, що і їхні суперники.
Як повідомляє TechCrunch, ключовим нововведенням у SageMaker стала функція безсерверної кастомізації моделей. Раніше для доналаштування (fine-tuning) нейромереж інженерам доводилося самостійно налаштовувати обчислювальні кластери та керувати ресурсами GPU. Тепер AWS бере це на себе.
Розробники можуть обрати один із двох шляхів:
- Покроковий інтерфейс: класичний метод “point-and-click”.
- Агентний режим (Preview): керування процесом через запити звичайною мовою.
Анкур Мехротра, генеральний менеджер AI-платформ AWS, навів приклад із медициною: якщо клієнту потрібно, щоб модель розуміла специфічну термінологію, достатньо “згодувати” системі розмічені дані та обрати метод тренування. SageMaker виконає решту роботи автоматично. Функція підтримує як власні моделі Amazon Nova, так і популярні відкриті моделі з доступними вагами, зокрема DeepSeek та Llama від Meta.
Для платформи Amazon Bedrock представлено інструмент Reinforcement Fine-Tuning (доналаштування з підкріпленням). Це механізм, що дозволяє автоматизувати процес покращення моделі. Розробник задає функцію винагороди (критерії того, що вважається “хорошою” відповіддю) або обирає готовий сценарій, а система самостійно проводить цикл навчання від початку до кінця.
Ці анонси доповнюють презентацію сервісу Nova Forge, де AWS пропонує створювати кастомні моделі “під ключ” для великих підприємств за $100 000 на рік.
Логіка Amazon проста: якщо всі конкуренти використовують умовний GPT-4, бізнесу важко виділитися. Рішенням стають моделі, натреновані на унікальних даних компанії. Поки що, згідно з опитуваннями Menlo Ventures, корпоративний сектор віддає перевагу моделям від Anthropic, OpenAI та Google. Нові інструменти AWS — це спроба змінити розклад сил, запропонувавши зручнішу інфраструктуру для створення власних, а не орендованих рішень.
