Amazon ha dado un paso notable en el ámbito de la inteligencia artificial con la incorporación de los modelos Qwen en su servicio Amazon Bedrock, aprovechando específicamente su función de importación de modelos personalizados. Esta innovación permite a los usuarios desplegar modelos avanzados como Qwen2, Qwen2_VL y Qwen2_5_VL de manera gestionada, eliminando la necesidad de preocuparse por la infraestructura subyacente gracias a su entorno sin servidor.
La llegada de modelos como Qwen 2 y 2.5 amplía significativamente las capacidades de inteligencia artificial ofrecidas en la infraestructura de AWS. Estos modelos, que van desde modelos de lenguaje general con parámetros que fluctúan entre 0.5B y 72B, hasta variantes especializadas como Qwen 2.5-Coder y Qwen 2.5-VL, representan un avance importante. El modelo Qwen 2.5-Coder, por ejemplo, está diseñado para la generación y finalización de código, y apoya más de 90 lenguajes de programación, destacándose en la creación y depuración de código.
La variante Qwen 2.5-VL, por su parte, se especializa en el procesamiento de imágenes y vídeos, combinando comprensión visual y de lenguaje. Esto permite al modelo reconocer y describir objetos en imágenes, analizar gráficos y extraer texto, lo que lo hace invaluable para proyectos que requieren una integración visual y lingüística.
Los usuarios pueden integrar sus modelos personalizados con los existentes gracias a una API unificada sin servidor, lo que acelera el desarrollo de aplicaciones de inteligencia artificial generativa. Esta funcionalidad ya está disponible en regiones clave como Estados Unidos y Europa.
Para utilizar estos modelos a través de Amazon Bedrock, es necesario contar con una cuenta activa de AWS, disponer de un bucket de Amazon S3 para almacenar los archivos y tener los permisos adecuados para crear trabajos de importación de modelos. En cuanto a los costos, Amazon no cobra por el proceso de importación, pero sí aplica tarifas por el uso de inferencia, calculadas en incrementos de cinco minutos, basando los precios en el tamaño y tiempo de actividad de los modelos, y considerando la región y especificaciones del hardware.
Para organizaciones interesadas en experimentar con esta tecnología, se recomienda eliminar los modelos importados una vez concluidos los experimentos para evitar cargos adicionales, así como borrar los archivos del bucket de S3 si ya no son necesarios. Esta integración ofrece una infraestructura optimizada que permite a las organizaciones enfocarse en el desarrollo de sus aplicaciones, dejando de lado las preocupaciones relacionadas con la infraestructura.
