Amazon ruller serverless modeltilpasning ud til NVIDIAs Nemotron 3‑familie i SageMaker AI. Start med Nemotron 3 Nano og Super og vælg mellem SFT, RLVR og RLAIF. Det sænker barrieren for enterprises, men ændrer ikke på de hårde valg om data, drift og omkostninger.

Ifølge VentureBeat beskriver Trunk Tools en specialiseret trelagsarkitektur – perception, semantik og agenter – og hævder, at deres stack reducerede dokumentgennemgang fra cirka 60 til omkring 10 dage. Kilder i artiklen vurderer samtidig, at generelle modeller ofte mangler domænedybde, at RAG kun hjælper delvist, og at prætræning samt finjustering på domænedata er afgørende for robusthed.

Ifølge VentureBeat kører agent-demos ofte fint, men staller i produktion og ender med menneskelig “topping up”. MorphLLM/Chroma skriver, at 18 testede modeller tabte nøjagtighed, når inputlængden voksede, men uden fuld metodegennemsigtighed. AWS Bedrock beskriver, at arbejdet i produktion ligger omkring agent-loopen. VentureBeat nævner hypernetworks som mulig tredje vej – med forbehold for dokumentation.

Analyser og erfaringer i 2026 peger samme vej: Fine‑tuning lever, men lagdelt kontekst‑orkestrering løser de fleste enterprise‑problemer hurtigere, billigere og mere robust. Her er hvorfor, og hvornår en lille finetune stadig betaler sig.

En ny Towards AI-artikel dokumenterer, at Merve Noyans agent finetunede 18 modeller for samlet $11,40. Hendes talk nåede cirka 17.300 views på 72 timer. Det er ikke en gimmick, men et skifte i MLOps: mindre scripts, mere governance og produktarkitektur.