AgentesComunidade
Nível de dificuldade: Básico (2 de 5)
AWS Lambda passa a suportar instâncias GPU para inferência sem servidor, com vLLM e SGLang prontos
Em números
- 32 GB é o tamanho máximo da imagem de contêiner OCI que a Event Function pode usar
- 8 GPUs NVIDIA L40S na instância G6e, a maior opção, somando até 192 GB de memória de GPU
- 9,75% é a taxa de gestão do Lambda Managed Instances sobre o preço On-Demand da EC2, mais $0,20 por milhão de solicitações
- 90 minutos é o timeout máximo da função, com até 48 execuções simultâneas por capacidade provisionada
O que mudou
A AWS anunciou em 18 de novembro de 2026 que o AWS Lambda passa a suportar instâncias GPU para Event Functions dentro do Lambda Managed Instances. Lambda Managed Instances são as instâncias de EC2 que de fato executam a Event Function, com capacidade provisionada por concorrência e por tipo de instância, em vez do runtime Lambda clássico sem estado.
Na prática, isso abre inferência GPU sem servidor sem precisar montar nem administrar um cluster de GPU dedicado. A função é empacotada como imagem de contêiner OCI de até 32 GB, e a AWS disponibiliza imagens base precompiladas para CUDA, PyTorch, vLLM e SGLang — as duas bibliotecas mais usadas hoje para servir LLM em produção.
Para quem desenvolve agentes de IA, isso é relevante de um jeito específico: o Amazon Bedrock resolve bem o caso de consumir um modelo gerenciado pago por token, mas não ajuda quando o agente precisa rodar um modelo próprio, um fine-tune ou um modelo open-weight que a Bedrock não oferece como endpoint. Com GPU no Lambda, esse modelo próprio passa a caber num function handler que escala a zero.
Onde está disponível
A capacidade usa GPUs NVIDIA da série G da EC2: G4dn, G5, G6, G6f, Gr6, Gr6f e G6e. A instância G6e é a maior opção, com até 8 GPUs L40S e até 192 GB de memória de GPU por instância.
A fonte não informa se a região América do Sul (São Paulo), sa-east-1, já tem a capacidade disponível. Antes de planejar uma arquitetura com latência baixa para usuários no Brasil, vale checar a lista de regiões na página oficial do lançamento, porque capacidade de GPU costuma chegar primeiro às regiões dos EUA.
Quanto custa
O modelo de preço segue a lógica do Lambda Managed Instances, não a tarifa por invocação do Lambda tradicional:
| Componente | Como é cobrado |
|---|---|
| Instância EC2 (GPU) | Preço On-Demand da instância escolhida (ex.: G6e) |
| Taxa de gestão do Lambda Managed Instances | 9,75% sobre o preço On-Demand da EC2 |
| Taxa de solicitação | $0,20 por milhão de solicitações |
A fonte não traz os preços por hora de cada instância G4dn, G5, G6, G6f, Gr6, Gr6f ou G6e, nem conversão para real: para orçar, é preciso consultar a página de preços do EC2 para instâncias On-Demand e aplicar os 9,75% em cima.
Como começar
O caminho segue o mesmo fluxo de deploy de Lambda por imagem de contêiner que já existe hoje, com duas diferenças: a imagem base e o tipo de instância.
- Partir de uma imagem base precompilada da AWS para CUDA, PyTorch,
vLLMouSGLang, em vez de montar o ambiente de GPU do zero. - Empacotar o modelo e as dependências nessa imagem, respeitando o limite de 32 GB de imagem de contêiner OCI.
- Publicar a imagem no registro de contêiner usado pelo Lambda e configurar a Event Function para usar Lambda Managed Instances.
- Escolher o tipo de instância GPU (de
G4dnatéG6e) e definir a configuração de CPU, memória efímera (até 32 GB) e timeout (até 90 minutos). - Provisionar a capacidade: concorrência fixa reservada ou autoescalado entre um mínimo e um máximo.
A fonte não traz o comando exato de CLI nem o parâmetro de configuração no console para selecionar o tipo de GPU — para esse detalhe, a página oficial do lançamento é a referência.
O que muda para quem já usa
Quem já tem Event Functions rodando em Lambda Managed Instances sem GPU não precisa migrar nada: a capacidade GPU é uma opção adicional de tipo de instância, não uma mudança no comportamento existente. O ganho aparece em workloads que hoje dependem de um cluster de GPU paralelo, mantido fora do Lambda, só para servir um modelo.
Para quem constrói agentes de IA que hoje chamam Bedrock para tudo, o cálculo muda quando a tarefa é rodar um modelo próprio em background, não voltado a usuário final aguardando resposta síncrona: a combinação de timeout de até 90 minutos, memória de GPU de até 192 GB e cobrança por segundo via EC2 On-Demand favorece essas cargas em lote ou assíncronas, mais do que inferência interativa de baixíssima latência.
Fonte: DEV Community — #aws
Serviços neste textoAgentesBedrock
Leve para a sua IA
Decida com o seu assistente, com o contexto deste texto já montado.
1. O que você quer saber
Ver o prompt
Li no AWS Hub: "AWS Lambda passa a suportar instâncias GPU para inferência sem servidor, com vLLM e SGLang prontos" (https://awshub.com.br/noticia/aws-lambda-passa-a-suportar-instancias-gpu-para-inferencia-sem-servidor-com-vllm). Resumo: Desde 18 de novembro de 2026, o AWS Lambda roda Event Functions em instâncias GPU da série G da EC2, com imagens precompiladas de CUDA, PyTorch, vLLM e SGLang, e cobrança por segundo. Serviços: Agentes, Bedrock Minha stack: [descreva em uma linha: serviços, linguagem, volume, região] Isso muda alguma coisa na minha arquitetura? O que eu faria diferente a partir de amanhã?