Starting today, Amazon Elastic Compute Cloud (Amazon EC2) C8i instances are available in the Europe (London) region. These instances are powered by custom Intel Xeon 6 processors, available only on AWS, delivering the highest performance and fastest memory bandwidth among comparable Intel processors in the cloud. These C8i instances offer up to 15% better price-performance, and 2.5x more memory bandwidth compared to previous generation Intel-based instances. They deliver up to 20% higher performance than C7i instances, with even higher gains for specific workloads. The C8i are up to 60% faster for NGINX web applications, up to 40% faster for AI deep learning recommendation models, and 35% faster for Memcached stores compared to C7i.
C8i instances are a great choice for all memory-intensive workloads, especially for workloads that need the largest instance sizes or continuous high CPU usage. C8i instances offer 13 sizes including 2 bare metal sizes and the new 96xlarge size for the largest applications.
To get started, sign in to the AWS Management Console. Customers can purchase these instances via Savings Plans, On-Demand instances, and Spot instances. For more information about the new C8i instances visit the AWS News blog.
Starting today, Amazon Elastic Compute Cloud (Amazon EC2) C8i instances are available in the Europe (London) region. These instances are powered by custom Intel Xeon 6 processors, available only on AWS, delivering the highest performance and fastest memory bandwidth among comparable Intel processors in the cloud. These C8i instances offer up to 15% better price-performance, and 2.5x more memory bandwidth compared to previous generation Intel-based instances. They deliver up to 20% higher performance than C7i instances, with even higher gains for specific workloads. The C8i are up to 60% faster for NGINX web applications, up to 40% faster for AI deep learning recommendation models, and 35% faster for Memcached stores compared to C7i. C8i instances are a great choice for all memory-intensive workloads, especially for workloads that need the largest instance sizes or continuous high CPU usage. C8i instances offer 13 sizes including 2 bare metal sizes and the new 96xlarge size for the largest applications. To get started, sign in to the AWS Management Console. Customers can purchase these instances via Savings Plans, On-Demand instances, and Spot instances. For more information about the new C8i instances visit the AWS News blog.
Amazon Bedrock AgentCore Browser now supports custom Chrome browser extensions, enabling automation for complex workflows that standard browser automation cannot handle alone. This enhancement builds upon AgentCore’s existing secure browser features, allowing users to upload Chrome-compatible extensions to S3 and automatically install them during browser sessions. The feature serves enterprise developers, automation engineers, and organizations across industries requiring specialized browser functionality within a secure environment.
This new feature enables powerful use cases including custom authentication flows, automated testing, and improved web navigation with performance optimization through ad blocking. Organizations gain the ability to integrate third-party tools that operate as browser extensions, eliminating manual processes while maintaining security within the AgentCore Browser environment.
This feature is available in all nine AWS Regions where Amazon Bedrock AgentCore Browser is available: US East (N. Virginia), US East (Ohio), US West (Oregon), Asia Pacific (Mumbai), Asia Pacific (Singapore), Asia Pacific (Sydney), Asia Pacific (Tokyo), Europe (Frankfurt), and Europe (Ireland).
To learn more about implementing custom browser extensions in Amazon Bedrock AgentCore, visit the Browser documentation.
Amazon Bedrock AgentCore Browser now supports custom Chrome browser extensions, enabling automation for complex workflows that standard browser automation cannot handle alone. This enhancement builds upon AgentCore’s existing secure browser features, allowing users to upload Chrome-compatible extensions to S3 and automatically install them during browser sessions. The feature serves enterprise developers, automation engineers, and organizations across industries requiring specialized browser functionality within a secure environment.
This new feature enables powerful use cases including custom authentication flows, automated testing, and improved web navigation with performance optimization through ad blocking. Organizations gain the ability to integrate third-party tools that operate as browser extensions, eliminating manual processes while maintaining security within the AgentCore Browser environment. This feature is available in all nine AWS Regions where Amazon Bedrock AgentCore Browser is available: US East (N. Virginia), US East (Ohio), US West (Oregon), Asia Pacific (Mumbai), Asia Pacific (Singapore), Asia Pacific (Sydney), Asia Pacific (Tokyo), Europe (Frankfurt), and Europe (Ireland). To learn more about implementing custom browser extensions in Amazon Bedrock AgentCore, visit the Browser documentation.
Amazon Neptune Analytics is now available in US West (N. California), Asia Pacific (Seoul), Asia Pacific (Osaka), Asia Pacific (Hong Kong), Europe (Stockholm), Europe (Paris), and South America (São Paulo) regions. You can now create and manage Neptune Analytics graphs in these new regions and run advanced graph analytics.
Amazon Neptune is a serverless graph database for connected data, improves the accuracy of AI applications, and lowers operational burden and costs. Neptune instantly scales graph workloads removing the need to manage capacity. By modeling data as a graph, Neptune captures context that improves accuracy and explainability of generative AI applications. To make AI application development easier, Neptune offers fully managed GraphRAG with Amazon Bedrock Knowledge Bases, and integrations with Strands AI Agents SDK and popular agentic memory tools. It also easily analyzes tens of billions of relationships across structured and unstructured data within seconds delivering strategic insights. Neptune is the only database and analytics engine that gives you the power of connected data with the enterprise capabilities and value of AWS.
Amazon Neptune Analytics is now available in US West (N. California), Asia Pacific (Seoul), Asia Pacific (Osaka), Asia Pacific (Hong Kong), Europe (Stockholm), Europe (Paris), and South America (São Paulo) regions. You can now create and manage Neptune Analytics graphs in these new regions and run advanced graph analytics. Amazon Neptune is a serverless graph database for connected data, improves the accuracy of AI applications, and lowers operational burden and costs. Neptune instantly scales graph workloads removing the need to manage capacity. By modeling data as a graph, Neptune captures context that improves accuracy and explainability of generative AI applications. To make AI application development easier, Neptune offers fully managed GraphRAG with Amazon Bedrock Knowledge Bases, and integrations with Strands AI Agents SDK and popular agentic memory tools. It also easily analyzes tens of billions of relationships across structured and unstructured data within seconds delivering strategic insights. Neptune is the only database and analytics engine that gives you the power of connected data with the enterprise capabilities and value of AWS. To get started, you can create a new Neptune Analytics graphs using the AWS Management Console, or AWS CLI. For more information on pricing and region availability, refer to the Neptune pricing page and AWS Region Table.
AWS Resource Control Policies (RCPs) now provide support for Amazon Cognito and Amazon CloudWatch Logs. Resourcecontrol policies (RCPs) are a type of organization policy that you can use to manage permissions in your organization. RCPs offer central control over the maximum available permissions for resources in your organization.
With this expansion, you can now use RCPs to manage permissions for Amazon Cognito and Amazon CloudWatch Logs resources. For example, you can create policies that prevent identities outside your organization from accessing these resources, helping you build a data perimeter and enforce baseline security standards across your AWS environment.
RCPs are available in all AWS commercial Regions and AWS GovCloud (US) Regions. To learn more about RCPs and view the full list of supported AWS services, visit the Resource control policies (RCPs) documentation in the AWS Organizations User Guide.
AWS Resource Control Policies (RCPs) now provide support for Amazon Cognito and Amazon CloudWatch Logs. Resource control policies (RCPs) are a type of organization policy that you can use to manage permissions in your organization. RCPs offer central control over the maximum available permissions for resources in your organization. With this expansion, you can now use RCPs to manage permissions for Amazon Cognito and Amazon CloudWatch Logs resources. For example, you can create policies that prevent identities outside your organization from accessing these resources, helping you build a data perimeter and enforce baseline security standards across your AWS environment. RCPs are available in all AWS commercial Regions and AWS GovCloud (US) Regions. To learn more about RCPs and view the full list of supported AWS services, visit the Resource control policies (RCPs) documentation in the AWS Organizations User Guide.
Microsoft y el equipo Mercedes-AMG PETRONAS F1 se unen para impulsar la innovación desde la fábrica hasta el circuito
REDMOND, Washington, y BRACKLEY, REINO UNIDO — Microsoft Corp. y el equipo Mercedes-AMG PETRONAS F1 anunciaron el jueves una colaboración plurianual que sitúa las tecnologías de Microsoft en el centro de las operaciones de los equipos de carreras. A través de esta nueva colaboración, las compañías buscan impulsar eficiencias e innovaciones que ayuden a impulsar el rendimiento y a amplificar la emoción para los más de 800 millones de aficionados a la Fórmula 1 en todo el mundo.
Los cambios en la normativa de la Fórmula 1 de 2026 inauguran una nueva era en las carreras para el deporte, con una mayor electrificación, eficiencia y sostenibilidad, lo que representa una de las evoluciones técnicas más significativas en la historia moderna de la Fórmula 1. Mientras el equipo Mercedes-AMG PETRONAS F1 se prepara para esta transformación, se asocia con Microsoft para aprovechar el poder de sus tecnologías de confianza en la nube y IA empresarial en todo el negocio, desde la fábrica hasta el circuito.
Logotipo de Microsoft en el coche de Fórmula 1 Mercedes-AMG PETRONAS
«Nuestro deporte está impulsado por quienes lideran a través de la innovación», dijo Toto Wolff, CEO y director de equipo del equipo Mercedes-AMG PETRONAS F1. «Estamos encantados de asociarnos con Microsoft, uno de los líderes tecnológicos más destacados del mundo, cuyo nombre es sinónimo de innovación revolucionaria. Esta colaboración también refleja nuestro compromiso de mantenernos a la vanguardia del rendimiento y el progreso. Al poner la tecnología de Microsoft en el centro de nuestro funcionamiento en equipo, crearemos información de valor más rápida, colaboraciones más inteligentes y nuevas formas de trabajar mientras miramos hacia la próxima generación de la F1.»
En un deporte donde las carreras se deciden por décimas de segundo y cada decisión es basada en datos, la Fórmula 1 representa la prueba de estrés definitiva para los sistemas empresariales modernos: volúmenes extremos de datos, toma de decisiones en tiempo real, operaciones globales y margen de error cero. Unidos por la creencia de que la tecnología es una ventaja competitiva, Microsoft y el equipo Mercedes-AMG PETRONAS F1 buscarán establecer un nuevo estándar sobre cómo la tecnología empresarial impulsa el rendimiento en los más altos niveles de competencia.
«Esta colaboración sitúa las tecnologías de IA en la nube y empresarial de Microsoft en el centro del rendimiento en carreras, donde los milisegundos importan y los datos determinan los resultados», dijo Judson Althoff, CEO del negocio comercial de Microsoft. «Junto con el equipo Mercedes-AMG PETRONAS F1, aprovechamos datos y convirtiéndolos en inteligencia en tiempo real que impulsa decisiones más rápidas, estrategias más inteligentes y una ventaja competitiva sostenida — tanto dentro como fuera de la pista.»
Carreras a la velocidad de los datos
Los coches modernos de Fórmula 1 se definen por la precisión y el ritmo. Cada Mercedes-AMG PETRONAS F1 Team lleva más de 400 sensores, lo que genera más de 1,1 millones de puntos de datos por segundo. Desde la degradación de los neumáticos y el comportamiento aerodinámico hasta el despliegue del Sistema de Recuperación de Energía y la evolución de las condiciones de la pista, cada variable debe interpretarse en tiempo real.
Microsoft Azure y sus capacidades de IA ampliarán las capacidades existentes de computación de alto rendimiento y datos del equipo, tanto en fábrica como en pista, con recursos escalables en la nube e IA que apoyan cargas de trabajo de simulación, análisis de rendimiento, modelado de estrategias de carrera y análisis interequipos. La flexibilidad y agilidad de esta plataforma ayudarán a garantizar que ingenieros y estrategas dispongan de información en tiempo real en los momentos que más importan.
«Es un privilegio dar la bienvenida a Microsoft al ecosistema de socios del equipo Mercedes-AMG PETRONAS F1», dijo Richard Sanders, director comercial del equipo Mercedes-AMG PETRONAS F1. «La tecnología de Microsoft ya desempeña un papel central en cómo operamos como empresa, y esta colaboración abre nuevas oportunidades para innovar de cara a la próxima era del desarrollo tecnológico. Espero ver cómo nuestros equipos colaboran para desbloquear nuevas formas de trabajar en toda la organización.»
Impulsar la ambición humana
Microsoft 365 y GitHub ya sustentan muchos de los flujos de trabajo de ingeniería y operativos del equipo Mercedes-AMG PETRONAS F1 en sus sedes en Brackley y Brixworth, así como en el paddock junto a la pista. Sobre esta base, el equipo ampliará su uso de Microsoft 365 para desbloquear nuevos niveles de agilidad, acelerar la innovación y mejorar la eficiencia operativa en toda la empresa.
Las herramientas y plataformas de desarrollo GitHub de Microsoft ayudan a los ingenieros a innovar más rápido, optimizar el rendimiento y ampliar los límites del diseño, modelado y simulación. De cara al futuro, los equipos de ingeniería, simulación y desarrollo de software profundizarán en la integración de GitHub para modernizar y acelerar los flujos de trabajo de desarrollo, lo que permite una mayor consistencia, rapidez y eficiencia.
Kimi Antonelli y George Russell con kits de pilotos y logo de Microsoft
Escalado para rendimiento
En su trabajo con Microsoft Azure para acelerar la experimentación y la escala con tecnología de IA, el equipo Mercedes-AMG PETRONAS F1 utilizó datos de sensores en tiempo real y herramientas en la nube Azure para pilotar sensores virtuales inteligentes, lo que permitió pruebas rápidas sin necesidad de tener que disponer de una nueva infraestructura local.
Con Azure Kubernetes Service (AKS), pudieron ajustar con facilidad la potencia de cálculo, para escalar cuando la demanda es alta y bajar cuando no, lo que permitió avances tecnológicos significativos mientras cumplían estrictos requisitos financieros y regulatorios.
De la carretera a la pista
Durante más de 30 años, Microsoft y Mercedes-Benz han colaborado a lo largo de toda la cadena de valor automovilística, desde fábricas inteligentes impulsadas por IA y telemetría de vehículos eléctricos hasta inteligencia vehicular a bordo y sistemas de ingeniería habilitados en la nube. Desde la fábrica hasta la Fórmula 1, esta nueva colaboración se basa en esa base, para aportar la misma mentalidad innovadora y capacidades digitales al automovilismo más importante del mundo.
Sobre el equipo Mercedes-AMG PETRONAS F1
Mercedes nació para competir — y lo llevamos haciendo desde 1901. Hoy en día, el equipo Mercedes-AMG PETRONAS F1 compite en la cima del automovilismo: el Campeonato Mundial de Fórmula 1 de la FIA.
El espíritu pionero de los fundadores de nuestra empresa perdura en nuestro compromiso con la innovación y el rendimiento. Como el fabricante de automóviles original del mundo, Mercedes-Benz ha definido la vanguardia tecnológica durante más de un siglo. Hoy en día, nuestro equipo de F1 existe para demostrar lo mejor del rendimiento de la marca en el escenario global.
Con base en Brackley y Brixworth, Reino Unido, más de 2.000 miembros comprometidos del equipo trabajan con una única misión: ganar el campeonato mundial. De 2014 a 2021, logramos un récord de ocho campeonatos consecutivos de constructores, y tenemos hambre de más.
Nuestro camino no se trata solo de la interpretación en pista; también nos esforzamos por tener un impacto positivo en el mundo e inspirar a las futuras generaciones. Estamos orgullosos de firmar el Compromiso Climático y estamos liderando el camino para construir un deporte más sostenible e inclusivo.
Microsoft (Nasdaq «MSFT» @microsoft) crea plataformas y herramientas impulsadas por IA para ofrecer soluciones innovadoras que respondan a las necesidades cambiantes de nuestros clientes. La empresa tecnológica está comprometida a hacer que la IA esté disponible de forma amplia y responsable, con la misión de empoderar a cada persona y organización del planeta para lograr más.
Adam McDaid, Jefe de Relaciones con los Medios y Editorial, amcdaid@mercedesamgf1.com, +44 (0) 7918 335 332
Nota para los editores: Para más información, noticias y perspectivas de Microsoft, por favor visiten Microsoft Source LATAM en https://news.microsoft.com/source/latam/. Los enlaces web, números de teléfono y títulos eran correctos en el momento de la publicación, pero pueden haber cambiado. Para asistencia adicional, periodistas y analistas pueden contactar con el Equipo de Respuesta Rápida de Microsoft u otros contactos apropiados listados en https://news.microsoft.com/microsoft-public-relations-contacts.
The post Microsoft y el equipo Mercedes-AMG PETRONAS F1 se unen para impulsar la innovación desde la fábrica hasta el circuito appeared first on Source LATAM.
Durante décadas, los robots han destacado en entornos estructurados como las líneas de montaje, donde las tareas son predecibles y están guionizadas de manera estricta.
«La aparición de modelos visión-lenguaje-acción (VLA) para sistemas físicos permite que los sistemas perciban, razonen y actúen con creciente autonomía junto a los humanos en entornos mucho menos estructurados.»
– Ashley Llorens, vicepresidenta corporativa y directora general, Microsoft Research Accelerator
La IA física, donde la IA agente se encuentra con los sistemas físicos, está preparada para redefinir la robótica de la misma manera que los modelos generativos han transformado el procesamiento del lenguaje y la visión.
Anunciamos Rho-alpha (ρα), nuestro primer modelo robótico derivado de la serie Phi de Microsoft de modelos de visión y lenguaje.
Invitamos a las organizaciones interesadas en evaluar Rho-alpha para sus robots y casos de uso a expresar interés en el Programa de Acceso Temprano de Rho-alpha Research. Rho-alpha también estará disponible a través de Microsoft Foundry en una fecha posterior.
Rho-alpha traduce comandos en lenguaje natural en señales de control para sistemas robóticos que realizan tareas de manipulación bimanual. Puede describirse como un modelo VLA+ en el sentido de que amplía el conjunto de modalidades perceptuales y de aprendizaje más allá de las que por lo general usan los VLAs. Para la percepción, Rho-alfa añade la detección táctil, con esfuerzos en marcha para acomodar modalidades como la fuerza. Para el aprendizaje, trabajamos para que Rho-alpha mejore de manera continua durante el despliegue y aprender a partir de los comentarios proporcionados por las personas.
A través de estos avances, pretendemos hacer que los sistemas físicos sean más adaptables, al considerar la adaptabilidad como una característica distintiva de la inteligencia. Creemos que los robots que puedan adaptarse más fácil a situaciones dinámicas y a las preferencias humanas serán más útiles en los entornos en los que vivimos y trabajamos, y más confiables para quienes los despliegan y operan.
Prompt: «Pulsa el botón verde con el agarre derecho»Prompt: «Saca el cable rojo»Prompt: «Enciende el interruptor superior»Prompt: «Gira el pomo a la posición 5»Prompt: «Gira la BusyBox en sentido horario»Prompt: «Mueve el deslizador superior a la posición 2»
Las imágenes anteriores muestran la interacción de Rho-alpha con BusyBox, un benchmark de interacción física introducido de manera reciente por Microsoft Research, guiado por instrucciones en lenguaje natural. (Los vídeos muestran el funcionamiento del robot a velocidad real.)
Nuestro equipo trabaja para optimizar de extremo a extremo la cadena de entrenamiento y el corpus de datos de entrenamiento de Rho-alpha para mejorar el rendimiento y la eficiencia en tareas de manipulación bimanual de interés para Microsoft y nuestros socios. En la actualidad, el modelo está en evaluación sobre sistemas de doble brazo y robots humanoides. Publicaremos una descripción técnica en los próximos meses.
Rho-alfa logra comportamientos conscientes del tacto impregnados de comprensión del lenguaje visual mediante un proceso de co-entrenamiento en trayectorias a partir de demostraciones físicas y tareas simuladas, junto con datos visuales a escala web para responder preguntas. Planeamos utilizar el mismo plan para extender el modelo a modalidades de detección adicionales en una variedad de tareas del mundo real.
«Aunque generar datos de entrenamiento a través de teleoperar sistemas robóticos se ha convertido en una práctica habitual, hay muchos entornos donde la teleoperación es impráctica o imposible. Colaboramos con Microsoft Research para enriquecer conjuntos de datos previos al entrenamiento recogidos de robots físicos con diversas demostraciones sintéticas, a través de una combinación de simulación y aprendizaje por refuerzo.»
– Profesor Abhishek Gupta, profesor adjunto, Universidad de Washington
La simulación desempeña un papel clave en nuestro enfoque para superar la falta general de datos robóticos a escala previa al entrenamiento, en especial aquellos que contienen retroalimentación táctil y otras modalidades de detección menos comunes. Nuestra pipeline de entrenamiento genera datos sintéticos a través de un proceso multietapa basado en aprendizaje por refuerzo a través de la utilización del marco abierto NVIDIA Isaac Sim. Combinamos estas trayectorias simuladas con conjuntos de datos de demostración física comerciales y disponibles de manera abierta.
«Entrenar modelos fundamentales que puedan razonar y actuar requiere superar la escasez de datos diversos y reales. Al aprovechar NVIDIA Isaac Sim en Azure para generar conjuntos de datos sintéticos precisos a nivel físico, Microsoft Research acelera el desarrollo de modelos versátiles como Rho-alpha, que pueden dominar tareas complejas de manipulación.»
– Deepu Talla, vicepresidente de robótica e IA en Borde, NVIDIA
Aunque ampliar las capacidades de percepción puede permitir a Rho-alpha ajustar el curso de acción de un robot durante la operación, los robots aún pueden cometer errores difíciles de recuperar. Los operadores humanos pueden devolver a un robot a la normalidad por medio de dispositivos de teleoperación intuitivos, como un ratón 3D. Nos centramos en herramientas y técnicas de adaptación de modelos para permitir que Rho-alpha aprenda a partir de la retroalimentación correctiva durante el funcionamiento del sistema.
Prompt: «Toma el enchufe de alimentación e insértalo en la toma inferior del protector de sobretensiones cuadrado»Prompt: «Coloca la bandeja en la caja de herramientas y cierra la caja de herramientas»Prompt: «Saca la bandeja de la caja de herramientas y ponla sobre la mesa»
Los vídeos anteriores muestran un sistema de doble brazo UR5e equipado con sensor táctil controlado por Rho-alpha que realiza la inserción de enchufes y el empaquetado de la caja de herramientas. En el episodio de inserción del enchufe, el brazo derecho tiene dificultades para insertar el enchufe y se beneficia de la guía humana en tiempo real. (Los vídeos muestran el funcionamiento del robot a velocidad real.)
Los fabricantes, integradores y usuarios finales de robótica tienen perspectivas únicas sobre los casos de uso y escenarios en los que las tecnologías emergentes de IA física ofrecen un potencial transformador. Para empoderar a estos interesados, trabajamos hacia tecnologías fundamentales como Rho-alpha, junto con herramientas asociadas, que les permitirán entrenar, desplegar y adaptar de manera continua su propia IA física alojada en la nube a través de sus propios datos para sus propios robots y escenarios.
Si les interesa experimentar y ayudar a moldear el futuro de nuestras bases y herramientas de IA Física, expresen su interés en nuestro Programa de Acceso Temprano de Investigación.
Ciudad de Panamá – La Autoridad Nacional para la Innovación Gubernamental (AIG) y Microsoft Panamá, S. de R.L. suscribieron un Memorando de Entendimiento con el objetivo de fortalecer la transformación digital del sector público panameño. El acuerdo fue firmado por el administrador general de la AIG, Adolfo José Fábrega García de Paredes, y por el gerente país de Microsoft Panamá, Jorge Saa, con la presencia, en calidad de testigo de honor, de Alberto Arciniega, presidente de Microsoft Latinoamérica.
El ingeniero Adolfo Fábrega, administrador general de la Autoridad Nacional para la Innovación Gubernamental (AIG), señaló que “este memorando establece un marco de colaboración entre ambas instituciones para impulsar iniciativas conjuntas en áreas como la capacitación tecnológica, la ciberseguridad y la adopción ética de la inteligencia artificial en el sector público. A través de esta cooperación, buscamos generar, intercambiar y difundir conocimientos que fortalezcan una gestión pública más moderna, eficiente y alineada con los retos tecnológicos actuales”.
Uno de los principales beneficios de este acuerdo es el fortalecimiento de las capacidades de los servidores públicos, los cuales podrán acceder a procesos de formación en temas como inteligencia artificial, trabajo moderno, seguridad digital y protección de la información.
“En Microsoft estamos convencidos del poder que tiene la tecnología como habilitador para el desarrollo inclusivo de los mercados de América Latina. Este acuerdo con la AIG refleja nuestro compromiso de acompañar a Panamá en este periodo de intensa innovación, fortaleciendo las capacidades de sus instituciones a través de soluciones confiables, seguras y con un enfoque ético en el uso de la inteligencia artificial,” comentó Alberto Arciniega, presidente de Microsoft Latinoamérica.
Con este Memorando de Entendimiento, la AIG reafirma su compromiso de liderar la modernización tecnológica del Estado, mientras que Microsoft aporta su experiencia global en innovación digital, en beneficio del desarrollo institucional y del talento humano que sirve al país.
Autoridad Nacional para la Innovación Gubernamental
Microsoft (Nasdaq “MSFT” @microsoft) habilita la transformación digital para la era de la nube inteligente y el entorno inteligente. Su misión es empoderar a cada persona y organización en el planeta para que puedan lograr más.
Today AWS announced enhanced scheduling orchestration to track AWS tagging events, self-service troubleshooting via informational resource tags, an optional EC2 insufficient-capacity retry flow using alternate instance types, and automatic creation of a dedicated EventBridge bus for scheduling events for Instance Scheduler (IS) on AWS. IS’s orchestration and fan-out mechanisms have been re-architected to enable customers to track AWS tagging events, allowing the product to more intelligently sequence and distribute scheduling operations – improving scaling performance and addressing cost-scaling concerns. The product now enables distributed cloud engineer personas to perform self-service troubleshooting in their spoke accounts through informational tags applied to their resources without relying on a central cloud administrator. In addition, an optional Insufficient Capacity Error Retry flow has been added to automatically retry failed start actions using alternate instance types when EC2 encounters insufficient capacity errors, ensuring workloads start reliably even in constrained Availability Zones or regions. Lastly, Instance Scheduler on AWS now automatically creates a dedicated EventBus for scheduling-related events, streamlining integrations and automation workflows.
This update improves Instance Scheduler’s scalability, reduces operational overhead, and increases workload reliability across complex customer environments. You can accelerate issue resolution and boost operational efficiency by empowering distributed cloud engineers to troubleshoot independently. You can enhance overall workload resilience by improving handling of EC2 capacity shortages and simplify integrations by streamlining event routing through the new EventBus to support more extensible automation workflows.
To learn more about Instance Scheduler, visit the Product Page or contact your AWS account team.
Today AWS announced enhanced scheduling orchestration to track AWS tagging events, self-service troubleshooting via informational resource tags, an optional EC2 insufficient-capacity retry flow using alternate instance types, and automatic creation of a dedicated EventBridge bus for scheduling events for Instance Scheduler (IS) on AWS. IS’s orchestration and fan-out mechanisms have been re-architected to enable customers to track AWS tagging events, allowing the product to more intelligently sequence and distribute scheduling operations – improving scaling performance and addressing cost-scaling concerns. The product now enables distributed cloud engineer personas to perform self-service troubleshooting in their spoke accounts through informational tags applied to their resources without relying on a central cloud administrator. In addition, an optional Insufficient Capacity Error Retry flow has been added to automatically retry failed start actions using alternate instance types when EC2 encounters insufficient capacity errors, ensuring workloads start reliably even in constrained Availability Zones or regions. Lastly, Instance Scheduler on AWS now automatically creates a dedicated EventBus for scheduling-related events, streamlining integrations and automation workflows.
This update improves Instance Scheduler’s scalability, reduces operational overhead, and increases workload reliability across complex customer environments. You can accelerate issue resolution and boost operational efficiency by empowering distributed cloud engineers to troubleshoot independently. You can enhance overall workload resilience by improving handling of EC2 capacity shortages and simplify integrations by streamlining event routing through the new EventBus to support more extensible automation workflows.
To learn more about Instance Scheduler, visit the Product Page or contact your AWS account team.
Amazon SageMaker HyperPod now provides enhanced troubleshooting capabilities for lifecycle scripts, making it easier to identify and resolve issues during cluster node provisioning. SageMaker HyperPod helps you provision resilient clusters for running AI/ML workloads and developing state-of-the-art models such as large language models (LLMs), diffusion models, and foundation models (FMs).
When lifecycle scripts encounter issues during cluster creation or node operations, you now receive detailed error messages that include the specific CloudWatch log group and log stream names where you can find execution logs for lifecycle scripts. You can view these error messages by running the DescribeCluster API or by viewing the cluster details page in the SageMaker console. The console also provides a «View lifecycle script logs» button that navigates directly to the relevant CloudWatch log stream, making it easier to locate logs. Additionally, CloudWatch logs for lifecycle scripts now include specific markers to help you track lifecycle script execution progress, including indicators for when the lifecycle script log begins, when scripts are being downloaded, when downloads complete, and when scripts succeed or fail. These markers help you quickly identify where issues occurred during the provisioning process. These enhancements reduce the time required to diagnose and fix lifecycle script failures, helping you get your HyperPod clusters up and running faster.
This feature is available in all AWS Regions where Amazon SageMaker HyperPod is supported. To learn more, see SageMaker HyperPod cluster management in the Amazon SageMaker Developer Guide.
Amazon SageMaker HyperPod now provides enhanced troubleshooting capabilities for lifecycle scripts, making it easier to identify and resolve issues during cluster node provisioning. SageMaker HyperPod helps you provision resilient clusters for running AI/ML workloads and developing state-of-the-art models such as large language models (LLMs), diffusion models, and foundation models (FMs). When lifecycle scripts encounter issues during cluster creation or node operations, you now receive detailed error messages that include the specific CloudWatch log group and log stream names where you can find execution logs for lifecycle scripts. You can view these error messages by running the DescribeCluster API or by viewing the cluster details page in the SageMaker console. The console also provides a «View lifecycle script logs» button that navigates directly to the relevant CloudWatch log stream, making it easier to locate logs. Additionally, CloudWatch logs for lifecycle scripts now include specific markers to help you track lifecycle script execution progress, including indicators for when the lifecycle script log begins, when scripts are being downloaded, when downloads complete, and when scripts succeed or fail. These markers help you quickly identify where issues occurred during the provisioning process. These enhancements reduce the time required to diagnose and fix lifecycle script failures, helping you get your HyperPod clusters up and running faster. This feature is available in all AWS Regions where Amazon SageMaker HyperPod is supported. To learn more, see SageMaker HyperPod cluster management in the Amazon SageMaker Developer Guide.
Amazon Connect can now provide managers with random samples of agent contacts for evaluation, so they can provide fair coaching feedback to agents. Managers can specify how many contacts they need to review per agent, as per union agreements, regulations, or internal guidelines. They then receive the required number of contacts randomly selected from the specified timeframe, for example, 3 contacts per agent from the last week. Additionally, managers can use new filters to ensure that the selected contacts are suitable for evaluation, such as those with audio or screen recordings, transcripts, and exclude previously evaluated contacts.
This feature is available in all regions where Amazon Connect is offered. To learn more, please visit our documentation and our webpage.
Amazon Connect can now provide managers with random samples of agent contacts for evaluation, so they can provide fair coaching feedback to agents. Managers can specify how many contacts they need to review per agent, as per union agreements, regulations, or internal guidelines. They then receive the required number of contacts randomly selected from the specified timeframe, for example, 3 contacts per agent from the last week. Additionally, managers can use new filters to ensure that the selected contacts are suitable for evaluation, such as those with audio or screen recordings, transcripts, and exclude previously evaluated contacts. This feature is available in all regions where Amazon Connect is offered. To learn more, please visit our documentation and our webpage.
