درست بعد از معرفی Nova Forge، سرویسی برای آموزش مدل‌های سفارشی Nova AI، Amazon Web Services (AWS) ابزارهای بیشتری را برای مشتریان سازمانی جهت ساخت مدل‌های پیشرفته خود معرفی کرد.

AWS در کنفرانس AWS re:Invent خود در روز چهارشنبه، قابلیت‌های جدیدی را در Amazon Bedrock و Amazon SageMaker AI اعلام کرد. این قابلیت‌های جدید برای آسان‌تر کردن ساخت و تنظیم دقیق مدل‌های زبان بزرگ (LLM) سفارشی برای توسعه‌دهندگان طراحی شده‌اند.

این ارائه‌دهنده خدمات ابری، سفارشی‌سازی مدل بدون سرور را در SageMaker معرفی می‌کند که به گفته Ankur Mehrotra، مدیر کل پلتفرم‌های هوش مصنوعی در AWS، در مصاحبه با TechCrunch، به توسعه‌دهندگان اجازه می‌دهد بدون نیاز به فکر کردن به منابع محاسباتی یا زیرساخت، شروع به ساخت مدل کنند.

برای دسترسی به این قابلیت‌های ساخت مدل بدون سرور، توسعه‌دهندگان می‌توانند مسیر راهنمایی شده با کلیک و انتخاب را دنبال کنند یا از تجربه‌ای مبتنی بر عامل استفاده کنند که در آن می‌توانند با زبان طبیعی به SageMaker دستور دهند. قابلیت عامل در حال حاضر در نسخه پیش‌نمایش عرضه می‌شود.

مهروترا گفت: «اگر شما یک مشتری در حوزه بهداشت و درمان هستید و می‌خواهید مدلی اصطلاحات پزشکی خاصی را بهتر درک کند، می‌توانید به سادگی SageMaker AI را راهنمایی کنید، اگر داده‌های برچسب‌گذاری شده دارید، سپس تکنیک را انتخاب کنید و SageMaker مدل را تنظیم دقیق می‌کند.»

این قابلیت برای سفارشی‌سازی مدل‌های Nova خود آمازون و مدل‌های متن‌باز خاص (آنهایی که وزن مدل در دسترس عموم دارند)، از جمله DeepSeek و Llama متا، در دسترس است.

AWS همچنین Reinforcement Fine-Tuning را در Bedrock راه‌اندازی می‌کند که به توسعه‌دهندگان اجازه می‌دهد یا یک تابع پاداش یا یک گردش کار از پیش تعیین شده را انتخاب کنند و Bedrock فرآیند سفارشی‌سازی مدل را به طور خودکار از ابتدا تا انتها اجرا خواهد کرد.

LLM های پیشرفته (به معنی پیشرفته‌ترین مدل‌های هوش مصنوعی) و سفارشی‌سازی مدل به نظر می‌رسد که یکی از زمینه‌های تمرکز AWS در کنفرانس امسال باشد.

AWS Nova Forge را معرفی کرد، سرویسی که در آن AWS مدل‌های سفارشی Nova را برای مشتریان سازمانی خود با هزینه ۱۰۰,۰۰۰ دلار در سال می‌سازد، این خبر در سخنرانی کلیدی مدیر عامل AWS، مت گارمن، در روز سه‌شنبه اعلام شد.

مهروترا گفت: «بسیاری از مشتریان ما می‌پرسند، 'اگر رقیب من به همان مدل دسترسی دارد، چگونه خودم را متمایز کنم؟' 'چگونه راه‌حل‌های منحصربه‌فردی بسازم که بهینه شده باشند، برند من را بهینه کنند، برای داده‌های من، برای مورد استفاده من، و چگونه خودم را متمایز کنم؟' آنچه ما دریافته‌ایم این است که کلید حل این مشکل، توانایی ایجاد مدل‌های سفارشی است.»

AWS هنوز نتوانسته پایگاه کاربری قابل توجهی برای مدل‌های هوش مصنوعی خود به دست آورد. یک نظرسنجی در ماه جولای از Menlo Ventures نشان داد که سازمان‌ها Anthropic، OpenAI و Gemini را به مدل‌های دیگر ترجیح می‌دهند. با این حال، قابلیت سفارشی‌سازی و تنظیم دقیق این LLM ها می‌تواند به AWS مزیت رقابتی بدهد.

با تمام پوشش TechCrunch از رویداد سالانه فناوری سازمانی اینجا همراه باشید و تمام اطلاعیه‌هایی را که تاکنون ممکن است از دست داده باشید اینجا مشاهده کنید.

حمایت شده: AWS re:Invent 2025 را زنده تماشا کنید

*آخرین اخبار را در مورد همه چیز از هوش مصنوعی عامل و زیرساخت ابری گرفته تا امنیت و موارد دیگر از رویداد اصلی Amazon Web Services در لاس وگاس مشاهده کنید. این ویدئو با همکاری AWS ارائه شده است.

menlo_ventures

AWS با قابلیت‌هایی برای ساده‌سازی ساخت مدل، روی مدل‌های سفارشی LLM سرمایه‌گذاری می‌کند