Amazon Bedrock 101: Guía para Comprender sus Modelos Fundamentales

---

Este artículo es el primero de una serie sobre Amazon Bedrock:

• 1/3: Amazon Bedrock 101: Guía para Comprender sus Modelos Fundamentales
• 2/3: Prompts I: Cómo Diseñar Prompts Efectivos en Amazon Bedrock
• 3/3: Prompts II - Domina la Gestión de Prompts en Amazon Bedrock: Versionado, Optimización y Buenas Prácticas

1. Introducción

La inteligencia artificial generativa ha transformado la manera en que interactuamos con la tecnología, y si estás trabajando con AWS, debes conocer sí o sí todo lo que voy a explicar en esta serie de artículos.

Por supuesto, puedes complicarte la vida todo lo que quieras y podrías, por ejemplo, entrenar tus propios modelos desde cero. Pero seamos sinceros, esto es muy, muy caro y en el 99% de los casos NO es lo que necesitas.

En este primer artículo aprenderás cómo:

• Explorar Amazon Bedrock.
• Elegir el modelo adecuado en Amazon Bedrock.
• Usar la consola de AWS y el SDK para probar modelos.
• Comparar modelos según costos, latencia y casos de uso.

2. Amazon Bedrock

Amazon Bedrock es el servicio más importante de IA Generativa en AWS.

Amazon Bedrock permite acceder a modelos fundacionales de diferentes proveedores, sin necesidad de administrar infraestructura.

Puedes hacer muchas cosas dentro de Amazon Bedrock, como:

• Explorar y acceder a una amplia variedad de modelos fundacionales.
• Adaptar y personalizar modelos, ya sean pre-entrenados o propios, optimizando su rendimiento según tus necesidades.
• Experimentar y poner a prueba los modelos en un entorno interactivo (playground), ya sea con texto, imágenes o videos.
• Crear agentes inteligentes que automaticen tareas y procesos.
• Diseñar flujos de trabajo de IA generativa conectando diferentes recursos y servicios.
• Organizar y utilizar bases de conocimiento para mejorar la precisión de las respuestas.
• Gestionar y optimizar los prompts para obtener los mejores resultados.
• Implementar medidas de seguridad (Guardrails) para proteger tus prompts y resultados.
• Procesar grandes volúmenes de datos de forma eficiente con la inferencia por lotes.
• Aprovechar modelos disponibles en diferentes regiones de AWS.”

Pero empezaremos por lo básico: revisar los modelos fundacionales disponibles y saber cómo utilizarlos, tanto directamente desde la consola de AWS como desde código.

3. Modelos Fundacionales en Amazon Bedrock

Los modelos fundacionales (FM, por sus siglas en inglés) son modelos de IA preentrenados con grandes cantidades de datos y optimizados para diversas tareas, como la generación de texto, imágenes y código. Estos modelos han sido diseñados para ofrecer respuestas coherentes y relevantes sin necesidad de entrenarlos desde cero.

Estos modelos pueden utilizarse tal cual están o personalizarse para adaptarse a necesidades específicas, lo que permite ajustarlos a distintos casos de uso sin incurrir en los costos y la complejidad de desarrollar un modelo propio.

La disponibilidad de modelos y funcionalidades en Amazon Bedrock varía según la región, por lo que es importante revisar qué opciones están habilitadas en tu zona antes de diseñar una solución.

3.1. Proveedores disponibles

Ahora mismo, hay 8 proveedores diferentes que ofrecen modelos serverless en Amazon Bedrock. Esta imagen puede no estar actualizada, pero te servirá para hacerte una idea:

Provider name	Number of available models	Deployment type	Latest release
AI21 Labs	3	Serverless	Thu, 05 Sep 2024 08:00:00 GMT
Amazon	13	Serverless	Tue, 03 Dec 2024 08:00:00 GMT
Anthropic	10	Serverless	Wed, 19 Feb 2025 08:00:00 GMT
Cohere	6	Serverless	Mon, 29 Apr 2024 08:00:00 GMT
DeepSeek	1	Serverless	Mon, 03 Mar 2025 08:00:00 GMT
Meta	9	Serverless	Wed, 18 Dec 2024 08:00:00 GMT
Mistral AI	4	Serverless	Tue, 02 Apr 2024 08:00:00 GMT
Stability AI	1	Serverless	Wed, 26 Jul 2023 08:00:00 GMT

3.2. Modelos Disponibles en Amazon Bedrock

Cada uno de los proveedores tiene uno o más modelos disponibles. Puedes ver la lista completa y su disponibilidad por regiones aquí.

En el catálogo de modelos en la región de Virginia del norte (us-east-1) tienes, en el momento en el que estoy escribiendo este artículo, 188 modelos disponibles, lo que incluye modelos serverless (47) y modelos del mercado (141).

En la imagen puedes ver que se explica para qué se puede utilziar cada modelo. Por tanto, dependiendo de tu caso de uso podrías elegir un modelo u otro.

Ejemplos de modelos (hay muchos más):

Proveedor	Modelo	Casos de uso principales
Amazon	Titan Text	Generación de texto, chatbots, resúmenes
Amazon	Titan Image	Generación y modificación de imágenes
Amazon	Nova	Optimización para eficiencia y escalabilidad
Anthropic	Claude	Chatbots, análisis de texto
AI21 Labs	Jurassic	Generación de contenido y texto largo
Cohere	Command	Resúmenes y clasificación de texto
Meta	Llama	Investigación y aplicaciones avanzadas
Mistral	Mistral/Mixtral	Optimización de tareas con eficiencia
Stability AI	Stable Diffusion	Generación de imágenes

Cada modelo tiene costos y tiempos de inferencia diferentes, por lo que es importante elegir el adecuado para cada caso.

3.3. Comparando diferentes modelos para tu caso de uso

Para elegir un modelo, ten en cuenta lo siguiente:

• Elige según la tarea: No todos los modelos sirven para lo mismo.
• Prueba diferentes opciones: Cada modelo responde de forma distinta. Prueba varios y elige el que mejor te funcione.
• Evalúa costos y latencia: Modelos más potentes pueden ser más costosos. Tenlo en cuenta.
• Aprovecha opciones de personalización: Algunos modelos lo permiten.

4. Probando Modelos Fundacionales en Bedrock

4.1. Habilitar acceso al modelo

El primer paso es habilitar el modelo que deseas probar desde la consola de AWS.

Sigue los siguientes pasos:

• 1) Accede a la opción de Acceso a modelos, modifica el acceso a modelos
• 2) Modifica el acceso a modelos
• 3) Elige los modelos que quieras habilitar
• 4) Confirma y espera a que estén listos para ser probados

4.2. Ejemplo Práctico: Uso de Amazon Bedrock en consola de AWS

Accede al playground, selecciona tu modelo y escribe tus prompts.

4.3. Ejemplo Práctico: Uso de Amazon Bedrock con SDK de AWS

Además de probarla desde la consola de AWS puedes integrarla en tu código, ya sea en una función lambda, o en cualquier otro lugar.

Este es un ejemplo de cómo llamar a un modelo desde Python:

import boto3

# Crear cliente de Bedrock
client = boto3.client("bedrock-runtime")

# Solicitar una generación de texto
response = client.invoke_model(
    modelId="anthropic.claude-v2",
    body={"prompt": "Explica la importancia de la IA generativa."}
)

# Mostrar resultado
print(response["body"].read())

5. Mis Recomendaciones en la Selección de Modelos

Basado en mi experiencia, te recomiendo:

• Si buscas un chatbot: Usa Claude de Anthropic.
• Para generación de contenido largo: AI21 Jurassic es una buena opción.
• Si necesitas resúmenes: Cohere Command es muy eficiente.
• Para generación de imágenes: Stable Diffusion de Stability AI es el más utilizado.
• Si la eficiencia es clave: Los modelos de Mistral son ligeros y rápidos.
• Si quieres algo barato o que puedas cubrir con los créditos de AWS: usa los modelos de Amazon.

5. Conclusión

Amazon Bedrock ofrece una plataforma potente para aprovechar la IA generativa sin preocuparse por la infraestructura. Elegir el modelo adecuado depende del caso de uso, el coste y la latencia esperada.

Revisa los demás artículos de esta serie para saber más.