O que foi anunciado
A AWS anunciou que o Amazon SageMaker AI passou a oferecer suporte à personalização serverless do modelo Qwen3.6, com 27 bilhões de parâmetros. A novidade permite aplicar tanto o Ajuste Fino Supervisionado (SFT) quanto o Ajuste Fino por Reforço (RFT) diretamente sobre esse modelo, sem necessidade de gerenciar infraestrutura.
O Qwen3.6 é um modelo de pesos abertos bastante popular, desenvolvido pelo Alibaba Cloud. Esse lançamento amplia o suporte que o SageMaker AI já oferecia para o Qwen3.5 e outros modelos conhecidos do mercado.
O que muda na prática
Antes desse anúncio, já era possível fazer o deploy do modelo base Qwen3.6 no SageMaker AI. Agora, com o suporte à personalização, os times também podem adaptar o modelo para domínios e fluxos de trabalho específicos, utilizando dados proprietários da própria organização.
Essa capacidade de personalização permite que o modelo passe a refletir melhor o conhecimento de domínio, a terminologia e os padrões de qualidade da empresa — sem precisar treinar um modelo do zero. O processo parte de um modelo base já capaz e o especializa para casos de uso específicos, como:
- Melhorar a precisão em tarefas de um domínio específico
- Alinhar as respostas ao tom e à linguagem da organização
- Aumentar a performance em novas tarefas usando dados rotulados internamente
Por que o modo serverless importa
Com a personalização serverless, o SageMaker AI cuida de todo o provisionamento de infraestrutura e da orquestração do treinamento automaticamente. Isso significa que as equipes podem se concentrar no que realmente importa — os dados e a avaliação dos resultados — sem precisar gerenciar clusters ou configurações de ambiente.
Outro ponto relevante é o modelo de cobrança: você paga apenas pelo que utilizar, o que torna a abordagem mais acessível para times que não precisam de treinamento contínuo ou de larga escala.
Disponibilidade e como começar
A personalização serverless do Qwen3.6 no SageMaker AI está disponível nas seguintes regiões da AWS:
- US East (N. Virginia)
- US West (Oregon)
- Asia Pacific (Tokyo)
- EU (Ireland)
Para iniciar um job de personalização, basta acessar a página de Modelos no Amazon SageMaker Studio. Para acesso programático, a AWS disponibiliza o SDK Python do SageMaker. Mais detalhes técnicos estão disponíveis na documentação oficial de personalização de modelos do SageMaker AI.
Fonte
SageMaker AI now supports serverless model customization for Qwen3.6 (https://aws.amazon.com/about-aws/whats-new/2026/05/amazon-sagemaker-ft-qwen3-6/)
Leave a Reply