Exowatt supera a los modelos de vanguardia en precisión con la personalización serverless de SageMaker
aws ·
Exowatt ha utilizado con éxito la personalización de modelos serverless de Amazon SageMaker AI para crear agentes de IA especializados en su infraestructura de energía solar, superando a los modelos líderes en precisión y reduciendo significativamente los costos. La empresa desarrolló dos variantes ajustadas finamente: una basada en Qwen3-1.7B para el triaje de alarmas en el borde (edge) y otra basada en Qwen3-14B para el análisis del mercado energético en la nube. Al aprovechar el entrenamiento serverless, Exowatt eliminó la necesidad de aprovisionamiento manual de GPUs, lo que les permitió iterar rápidamente e implementar modelos listos para producción en días en lugar de meses. El modelo de borde funciona sin conexión en hardware de CPU existente, alcanzando una puntuación macro-F1 de 0.911 sin costos de conectividad ni de inferencia. Mientras tanto, el modelo en la nube ofrece una macro-F1 de 0.975 a aproximadamente 49 veces menor costo por mil respuestas en comparación con modelos propietarios líderes como Claude Opus 4.7. Este enfoque demuestra que los modelos pequeños y específicos para tareas pueden superar a los modelos generales más grandes cuando se entrenan con datos curados de alta calidad. El pipeline resultante proporciona un camino repetible desde los datos operativos brutos hasta artefactos de implementación certificados, tanto en entornos de borde restringidos como en cargas de trabajo elásticas en la nube.
aws