Modelos fundacionales y Amazon Bedrock: ajustando las perillas de la IA como si fuera un equipo de sonido

Cuando empecé a jugar con modelos de IA en AWS, me di cuenta rápido de algo: usar un modelo fundacional “en bruto” es como comprar un televisor 4K y nunca tocar los ajustes de imagen. Funciona, sí, pero te estás perdiendo la mejor parte. En este post quiero contarte, como desarrollador a desarrollador, qué son los modelos fundacionales, qué es Amazon Bedrock y, sobre todo, cómo usar los parámetros de inferencia (temperature, top‑p, top‑k, longitud, etc.) para que el modelo haga más exactamente lo que tú quieres. Nada de fórmulas mágicas, solo perillas que vale la pena entender. ¿Qué es un modelo fundacional? Un modelo fundacional (Foundation Model, FM) es un modelo de IA muy grande, entrenado con cantidades ridículas de texto, imágenes y otros datos, para aprender patrones generales del mundo. Me gusta verlo así: Es como alguien que se ha leído “todo Internet” y ahora puede escribir, resumir, traducir, razonar y hasta generar imágenes, sin que tú tengas que entrenarlo desde cero. En Am