AWS ya había anunciado en agosto de 2026 que SageMaker AI Serverless Model Customization admite ajuste fino completo (FFT) para más de 25 modelos de código abierto. La entrada técnica que AWS publicó el 18 de noviembre describe experimentos posteriores con FFT y LoRA; sus resultados no apuntan a un ganador para todas las pruebas. El aviso de AWS menciona cuatro regiones: US East (N. Virginia), US West (Oregon), Asia Pacific (Tokyo) y Europe (Ireland).

Qué gestiona SageMaker en el modo sin servidor

Captura de una consola oscura de SageMaker con los detalles de un trabajo completado y dos gráficos de pérdida.

AWS indica que SageMaker asigna los recursos de cómputo y gestiona los puntos de control del entrenamiento. Quien ejecuta el trabajo aporta el modelo base, el conjunto de datos y los hiperparámetros. El servicio se encarga de parte de la gestión de la infraestructura; el método de ajuste sigue determinando qué parámetros se entrenan.

Qué cambia entre FFT y LoRA

La diferencia central está en los pesos que se actualizan. FFT modifica todos los parámetros del modelo; LoRA mantiene congelados los pesos preentrenados y entrena matrices de adaptación de bajo rango.

MétodoPesos que se actualizanEstructura del ajuste
FFTTodos los parámetros del modeloAjuste de los pesos completos
LoRAMatrices de adaptación de bajo rangoLos pesos preentrenados permanecen congelados

AWS señala que FFT requiere más cómputo y tiempo de entrenamiento que LoRA y genera artefactos de modelo más grandes. En cambio, evita la sobrecarga de los adaptadores durante la inferencia. La documentación de AWS sobre FFT detalla estos compromisos.

Para elegir entre FFT y LoRA, fija primero la tarea y la métrica: una puntuación alta en una prueba no determina por sí sola qué método conviene.

Qué encontró AWS en sus experimentos de programación

AWS comparó ambos métodos mediante ajuste supervisado de Qwen3-4B, con los mismos prompts, respuestas objetivo y código de evaluación. El conjunto Magicoder-Evol-Instruct-110K se dividió en 99.000 registros de entrenamiento, 5.500 de validación y 5.500 de prueba reservada. El informe técnico de AWS describe los experimentos y sus métricas.

En una de las comparaciones, AWS informó un 90,0 % de corrección semántica con FFT tras tres épocas. En otra comparación de LLM-as-Judge, registró un 81,5 % para LoRA y un 79,5 % para FFT. Son resultados de comparaciones distintas: no forman una única clasificación con condiciones idénticas.

Las evaluaciones cubrieron aspectos diferentes. Amazon Nova Pro se utilizó como juez de respuestas; PRIMECODE midió similitud de código con métricas como BLEU, ROUGE y F1, y MMLU evaluó conocimientos en 57 materias académicas. En las pruebas de AWS, tanto FFT como LoRA quedaron por debajo del modelo base en exactitud en MATH.

La tasa de aprendizaje también afectó a los resultados

En los experimentos de AWS, las pruebas de FFT con tasas de aprendizaje de 5 × 10⁻⁵ o superiores obtuvieron entre un 2 % y un 3 % en MATH y un 3,6 % en MMLU. Entre las configuraciones que probó, AWS señaló que una tasa de 2 × 10⁻⁵, un tamaño de lote global de 8 y un calentamiento del 5 % preservaron mejor los conocimientos generales medidos con MMLU. Son observaciones de esas pruebas con Qwen3-4B; la configuración eficaz depende de la tarea.