Ir al contenido principal
Español— Elegir un idioma
Menú

AWS Bedrock y otros proveedores en la nube

Lección 13 de 14 Actualizado el 29 de julio de 2026 Desarrollador
En esta página
  1. Ecosistema en la nube de Mistral
  2. AWS Bedrock
  3. Snowflake Cortex
  4. IBM watsonx
  5. Outscale, la nube soberana francesa
  6. Elegir el proveedor adecuado
  7. Comprobar antes del despliegue
  8. Puntos clave

Ecosistema en la nube de Mistral

Además de Azure y Google Cloud, los modelos de Mistral están disponibles en varias plataformas más. Esta lección aborda AWS Bedrock con detalle, ya que es la alternativa más común y la que más difiere de lo que has aprendido hasta ahora. A continuación, se cubren brevemente las integraciones con Snowflake Cortex, IBM watsonx y Outscale.

AWS Bedrock

Amazon Bedrock es el servicio gestionado de AWS para modelos fundamentales. Expone una API unificada frente a múltiples proveedores (Anthropic, Meta, Mistral y otros), gestionando la facturación, la seguridad y el cumplimiento normativo a través de AWS. Para los equipos que ya utilizan AWS, esto significa que los modelos de Mistral operan dentro del mismo ámbito de IAM, utilizan los mismos registros de CloudWatch y aparecen en la misma factura que el resto de tu infraestructura.

En cuanto al catálogo, Bedrock proporciona acceso a los siguientes modelos. La lista exacta depende de tu región y cambia con cada nuevo lanzamiento; la página Model Access de la consola es la fuente de la verdad.

ModeloPosicionamiento
Mistral Large 3Modelo insignia (las versiones anteriores de Mistral Large siguen disponibles)
Mistral SmallRápido y rentable
Ministral (3B, 8B, 14B)Modelos compactos
Mixtral 8x7BModelo de mezcla de expertos
Pixtral LargeMultimodal (texto + imágenes)

Preparar el acceso

Debes cumplir cuatro condiciones antes de realizar tu primera llamada:

  1. Una cuenta de AWS con acceso a una región que admita Bedrock
  2. Un principal de IAM con los permisos bedrock:InvokeModel y bedrock:InvokeModelWithResponseStream
  3. La CLI de AWS configurada y boto3 instalado
  4. Activar los modelos de Mistral en la consola de Bedrock (Model Access)
pip install boto3>=1.34.131
aws configure  # Introduce tus credenciales

El segundo permiso es el que la gente suele olvidar: un principal con solo bedrock:InvokeModel funciona en modo síncrono, pero falla en la primera llamada en streaming. El paso 4 es similar a la activación de modelos en Model Garden de Google: hasta que no desbloqueas el modelo en Model Access, ningún permiso de IAM funcionará.

Llamar a un modelo con boto3

Aquí radica la gran diferencia respecto a Azure y Vertex: en Bedrock no utilizas el SDK de Mistral. Todo pasa por el SDK nativo de AWS, boto3, utilizando la API converse(), común a todos los proveedores de la plataforma.

import boto3
import json

client = boto3.client('bedrock-runtime', region_name='us-west-2')

response = client.converse(
    modelId="mistral.mistral-large-2512-v1:0",
    messages=[
        {
            "role": "user",
            "content": [{"text": "¿Cuáles son las ventajas de una arquitectura sin servidor en AWS?"}]
        }
    ],
    inferenceConfig={
        "temperature": 0.3,
        "maxTokens": 1024
    }
)

texte = response["output"]["message"]["content"][0]["text"]
print(texte)

El streaming sigue la misma lógica, utilizando converse_stream() e iterando sobre los eventos del flujo. Ten en cuenta que debes comprobar la clave contentBlockDelta: el flujo de Bedrock también transporta eventos de inicio y fin de bloque, que no contienen texto.

response = client.converse_stream(
    modelId="mistral.mistral-large-2512-v1:0",
    messages=[
        {
            "role": "user",
            "content": [{"text": "Describe la arquitectura Lambda + API Gateway."}]
        }
    ],
    inferenceConfig={"temperature": 0.3, "maxTokens": 1024}
)

for event in response["stream"]:
    if "contentBlockDelta" in event:
        texte = event["contentBlockDelta"]["delta"].get("text", "")
        print(texte, end="", flush=True)

Si portas código escrito para la API directa de Mistral, espera cuatro diferencias. Primero, content ya no es una cadena, sino un array de objetos {"text": "..."}. Segundo, modelId sigue el formato de AWS mistral.{model}-v{version}:{number}: a diferencia de los alias -latest de la API directa, fijas una versión específica y debes actualizarla manualmente. Tercero, los parámetros de inferencia se agrupan en un objeto inferenceConfig separado, en lugar de pasarse en el nivel superior. Por último, no interviene ningún SDK de Mistral: las respuestas son diccionarios de boto3, no modelos tipados, de ahí el acceso basado en claves mostrado arriba.

Snowflake Cortex

Snowflake integra los modelos de Mistral, incluido Mistral Large, directamente en su plataforma de datos a través de Cortex AI. La principal ventaja es sencilla: tus datos nunca salen de Snowflake. Llamar al modelo se convierte en una función SQL invocada dentro de una consulta, justo al lado de la tabla que quieres enriquecer.

-- Uso directo en una consulta SQL
SELECT SNOWFLAKE.CORTEX.COMPLETE(
  'mistral-large',
  'Resume este informe financiero en tres puntos clave.'
) AS resume;

Imagina una tabla con miles de informes: en lugar de exportar el contenido a un script de Python, llamar a la API y volver a importar los resultados, escribes una consulta que produce directamente la columna de resumen. Esta es la opción obvia cuando tu canal de datos ya reside en Snowflake y las normas de gobernanza prohíben cualquier salida de datos.

IBM watsonx

IBM watsonx.ai ofrece modelos de Mistral, incluido Mistral Large, en su catálogo. El acceso se realiza a través de la API de watsonx utilizando credenciales de IBM Cloud: instancias un objeto ModelInference, pasando el ID del modelo, tus credenciales y el proyecto de destino. Observa la URL regional en el ejemplo: determina dónde se ejecuta la inferencia, un detalle que debes verificar si tienes requisitos de residencia de datos.

from ibm_watsonx_ai import Credentials
from ibm_watsonx_ai.foundation_models import ModelInference

model = ModelInference(
    model_id="mistralai/mistral-large",
    credentials=Credentials(url="https://eu-de.ml.cloud.ibm.com", api_key="..."),
    project_id="your-project-id"
)

response = model.generate_text("Explica el concepto de malla de datos.")

Outscale, la nube soberana francesa

Outscale, una nube soberana francesa calificada como SecNumCloud, también ofrece modelos de Mistral. Para las organizaciones del sector público, de defensa o sanitarias sujetas a estrictas restricciones normativas, esta opción garantiza que tanto los datos como el procesamiento permanezcan en Francia. En estos contextos, este es el único criterio que importa: la cualificación tiene prioridad sobre la comodidad de integración o la experiencia del desarrollador.

Elegir el proveedor adecuado

La elección casi nunca depende de los modelos en sí, ya que los mismos están ampliamente disponibles en todas las plataformas. Depende de dónde residen tus datos, de tu contrato y de tus obligaciones de cumplimiento.

ProveedorCuándo elegirlo
API directa de MistralLa más sencilla, todos los modelos disponibles, ideal para empezar
Azure AISi ya estás en Azure, facturación consolidada
Google Vertex AISi estás en GCP, autenticación nativa de IAM
AWS BedrockSi estás en AWS, integración con el ecosistema de AWS
Snowflake CortexSi tus datos están en Snowflake
OutscaleSi tienes requisitos de soberanía francesa

Una regla práctica útil: empieza con la API directa para validar que el modelo cumple tus necesidades y migra al proveedor de tu ecosistema cuando el proyecto pase a producción. El código de la aplicación cambia poco; la mayor parte del trabajo implica la autenticación y la nomenclatura de los modelos.

Comprobar antes del despliegue

Los ID de modelo de los proveedores en la nube tienen versión y cambian con cada generación (mistral.mistral-large-2512-v1:0 en Bedrock, por ejemplo). Antes de conectar un despliegue, verifica el valor exacto en la consola del proveedor: es la fuente de la verdad, y un ID obsoleto produce un error de acceso difícil de diagnosticar.

Puntos clave

  • AWS Bedrock utiliza boto3 y la API converse(), no el SDK de Mistral
  • El formato de mensaje de Bedrock difiere ligeramente (contenido como un array de objetos)
  • Snowflake Cortex integra Mistral directamente en consultas SQL
  • IBM watsonx y Outscale ofrecen alternativas para necesidades específicas
  • Elige tu proveedor en función de tu ecosistema en la nube existente y de las restricciones normativas