Amazon Web Services решили не мелочиться. Буквально на следующий день после анонса Nova Forge — сервиса для обучения кастомных моделей Nova — компания выкатила ещё пачку инструментов для корпоративных клиентов, желающих создавать собственные фронтирные модели.
Новые возможности появились в Amazon Bedrock и Amazon SageMaker AI. Анонс прозвучал на конференции AWS re:Invent, и суть его проста: разработчикам хотят максимально упростить жизнь при создании и дообучении больших языковых моделей.
Главная фишка — serverless-кастомизация в SageMaker. Звучит скучновато, но на практике это означает, что разработчик может начать строить модель, вообще не думая о вычислительных ресурсах и инфраструктуре. По словам Анкура Мехротры, генерального менеджера AI-платформ в AWS, всё должно работать «из коробки».
Для доступа к этим возможностям есть два пути. Первый — классический point-and-click интерфейс для тех, кто любит всё делать руками. Второй — агентный режим, где можно просто объяснить SageMaker на человеческом языке, что вам нужно. Второй вариант пока в превью.
«Допустим, вы из сферы здравоохранения и хотите, чтобы модель лучше понимала медицинскую терминологию. Просто укажите SageMaker на ваши размеченные данные, выберите технику — и всё, система сама дообучит модель», — объясняет Мехротра.
Кастомизировать можно модели Amazon Nova и ряд опенсорсных решений с открытыми весами — включая DeepSeek и Llama от Meta.
В Bedrock тем временем появился Reinforcement Fine-Tuning. Тут всё ещё проще: выбираете reward-функцию или готовый воркфлоу, а Bedrock автоматически прогоняет весь процесс кастомизации от начала до конца.
Похоже, AWS всерьёз взялись за тему фронтирных моделей и их кастомизации. Днём ранее на том же мероприятии CEO AWS Мэтт Гарман представил Nova Forge — сервис, где AWS будет создавать кастомные модели Nova для корпоративных клиентов. Ценник — около 10 миллионов рублей в год.
«Многие клиенты спрашивают: если у моих конкурентов доступ к тем же моделям, как мне выделиться?» — говорит Мехротра. — «Как построить уникальные решения, оптимизированные под мой бренд, мои данные, мои задачи? И мы поняли: ключ к этому — возможность создавать кастомизированные модели».
Тут есть нюанс. AWS пока не удалось собрать серьёзную базу пользователей для своих AI-моделей. По данным опроса Menlo Ventures от июля, корпоративные клиенты явно предпочитают Anthropic, OpenAI и Gemini. Но возможность тонкой настройки и кастомизации может стать тем самым козырем, который даст AWS конкурентное преимущество. Посмотрим, сработает ли ставка.