# SageMaker incorpora el ajuste completo de modelos sin servidor

> AWS permite ajustar por completo LLM en SageMaker AI Serverless, sin clústeres de GPU y con mayor precisión en grandes conjuntos de datos.

Oossa · 2026-11-19 · https://oossa.com/es/sagemaker-adds-full-fine-tuning-to-ai-serverless-customization

Amazon SageMaker AI Serverless Model Customization ya admite el ajuste completo (FFT, por sus siglas en inglés). El servicio ejecuta estos trabajos sin que los usuarios tengan que aprovisionar GPU ni configurar clústeres. En pruebas con un conjunto de datos de código de 110,000 ejemplos, FFT alcanzó un 90 % de corrección semántica y superó a LoRA en todas las métricas de calidad. Para ejecutar FFT, basta con cambiar un parámetro en el mismo código que inicia un trabajo de LoRA.

## Los hechos

- La compatibilidad con FFT se anunció el 2026‑11‑19 («Full Fine‑Tuning (FFT) on SageMaker AI Serverless Model Customization», publicado el jue. 19 de noviembre de 2026).
- El ajuste FFT de un modelo Qwen3‑4B con 110 K instrucciones de código alcanzó un 90 % de corrección semántica según la evaluación de LLM-as-Judge.

## Por qué importa

Las empresas pueden mejorar la precisión de los modelos en tareas complejas sin administrar infraestructura de GPU, lo que reduce los costos y la carga operativa.

## Fuentes y referencias

1. [Full Fine-Tuning (FFT) on SageMaker AI Serverless Model Customization](https://aws.amazon.com/blogs/machine-learning/full-fine-tuning-fft-on-sagemaker-ai-serverless-model-customization/) – AWS, 2026-11-19

Última actualización: 2026-11-19
