AWS Lanza Lambda S3 Files, Bedrock AgentCore CLI y Aurora Serverless v4 en Una Sola Semana

En su resumen semanal del 27 de abril, AWS anunció tres funciones que individualmente habrían merecido cada una un artículo propio. Juntas representan uno de los lanzamientos más densos en una sola semana que la plataforma ha publicado en 2026, todas ellas apuntando directamente a los puntos de fricción de infraestructura para construir y ejecutar cargas de trabajo de IA.

Lambda S3 Files: estado compartido entre funciones

Las funciones Lambda han contado durante mucho tiempo con almacenamiento efímero en /tmp (ahora hasta 10 GB) y montajes EFS para estado compartido. Lambda S3 Files extiende ese modelo permitiendo montar buckets de S3 directamente como sistemas de archivos dentro de los entornos de ejecución de Lambda. Múltiples funciones pueden leer y escribir en el mismo montaje S3 de forma simultánea, sin necesidad de copiar datos entre servicios.

El caso de uso práctico son los pipelines de IA y ML: varios pasos de procesamiento que necesitan compartir pesos de modelos, checkpoints o salidas intermedias pueden hacerlo ahora a través de un montaje compartido en lugar de pasar datos por SQS o EventBridge. Funciona con todos los runtimes compatibles con Lambda. La facturación usa los precios estándar de solicitudes de lectura/escritura de S3, sin nueva capa de precios ni configuración de EFS requerida.

Bedrock AgentCore CLI: un solo comando para desplegar un agente

Amazon Bedrock AgentCore ha ido construyendo un runtime gestionado para agentes de IA en producción desde finales de 2025. La nueva CLI reduce el proceso de despliegue a tres entradas: un ID de modelo, un system prompt y una lista de herramientas. Con esas tres, AgentCore aprovisiona infraestructura en 14 regiones de AWS sin coste adicional.

Para equipos que ya usan infraestructura como código, el soporte para CDK ya está disponible y la integración con Terraform está en el roadmap. Cuando quieras salir del runtime gestionado, AgentCore puede exportar tu definición de agente como Python basado en Strands, dándote control total sin reescribir desde cero. Esa válvula de escape importa: los runtimes gestionados que te encierran tienden a quedarse abandonados.

Aurora Serverless v4: escalado por ráfagas un 30% más rápido

Aurora Serverless v4 está disponible de forma general con una mejora de rendimiento del 30% respecto a v3, impulsada por un algoritmo de escalado por ráfagas rediseñado. El comportamiento de escala a cero no cambia, manteniéndolo como la opción adecuada para bases de datos de desarrollo y cargas de trabajo con picos de tráfico impredecibles. Se admiten los motores compatibles con PostgreSQL y MySQL.

El contexto más amplio

La misma semana, Meta firmó un acuerdo para ejecutar decenas de millones de núcleos Graviton en AWS para cargas de inferencia de IA intensivas en CPU, una señal de que incluso las empresas que construyen su propia infraestructura de IA están apostando por la capacidad de AWS.

Lambda S3 Files y AgentCore CLI llegan en un momento muy oportuno. Los flujos de trabajo de IA agéntica se frenan por la gestión de estado compartido más que por casi cualquier otro problema: ¿cómo pasas contexto entre pasos de planificación, llamadas a herramientas y bucles de ejecución sin encadenar cinco servicios? Ambas funciones reducen directamente esa fricción. Aurora Serverless v4 cubre la capa de persistencia que los agentes inevitablemente necesitan una vez que superan las interacciones sin estado.

AWS se posiciona claramente como la capa de cómputo predeterminada tanto para los modelos de IA (Bedrock) como para los agentes construidos sobre ellos (AgentCore). Los lanzamientos de esta semana hacen ese argumento más creíble.