AWS anunció el 9 de octubre de 2026 que Pegasus 1.5, de TwelveLabs, está disponible en Amazon Bedrock, según el blog de aprendizaje automático de AWS. Es un modelo de lenguaje para vídeo que convierte grabaciones largas en metadatos estructurados con marcas de tiempo.
Qué cambia
Las versiones anteriores de Pegasus respondían a una pregunta sobre un clip. Pegasus 1.5 recorre el vídeo completo, localiza todos los segmentos que cumplen los criterios que tú fijes y los devuelve en JSON, con hora de inicio y de fin y los campos que hayas pedido. AWS enumera cuatro novedades respecto a las versiones previas:
- Metadatos basados en el tiempo. Defines segmentos, eventos o señales, y el modelo devuelve cada coincidencia.
- Instrucciones multimodales. La definición de un segmento puede combinar una descripción en texto con una imagen de referencia, por ejemplo para localizar un producto o un logotipo concretos. Una sola solicitud admite hasta 30 imágenes de referencia.
- Procesamiento al vuelo. Los vídeos se envían directamente desde Amazon S3 o como cadena base64, sin canal de ingesta ni indexado previo. AWS afirma que los datos permanecen dentro del perímetro de datos de AWS.
- Entrada más larga. Vídeos de hasta dos horas en una sola solicitud, frente a una hora en Pegasus 1.2.
Límites y puesta en marcha
Los archivos pueden pesar hasta 2 GB si se leen desde S3, o hasta 25 MB como cadena base64. La resolución admitida va de 360×360 a 5184×2160, y las relaciones de aspecto, de 1:1 a 2,4:1. El inglés cuenta con soporte completo. Varios otros idiomas, entre ellos ruso, español y alemán, tienen soporte solo parcial.
El modelo se invoca con la API InvokeModel, o con InvokeModelWithResponseStream si quieres la salida en streaming. El identificador del modelo es twelvelabs.pegasus-1-5-v1:0. Hay que activar el acceso en la consola de Bedrock, y la política de IAM necesita los permisos de invocación. El coste puede seguirse por aplicación mediante perfiles de inferencia de aplicación, y las métricas de uso aparecen en CloudWatch.
Existen dos modos. El modo general recibe una instrucción de texto y devuelve texto, o JSON si aportas un esquema. El modo de metadatos basados en el tiempo recibe definiciones de segmentos en lugar de una instrucción y devuelve una lista de segmentos coincidentes. Se pueden ejecutar varias definiciones en una misma solicitud, y cada segmento devuelto lleva la etiqueta de la definición con la que coincidió.
Disponibilidad y facturación
El modelo está disponible en US West (Oregón). AWS remite a su lista de regiones para futuras incorporaciones. La facturación pasa por AWS Marketplace, de modo que los cargos aparecen en la factura de AWS y en Cost Explorer bajo TwelveLabs, no bajo Amazon Bedrock. Los precios figuran en la página de precios de Bedrock; el anuncio no cita cifras.
Uso previsto
AWS orienta el modelo a organizaciones con grandes volúmenes de vídeo de larga duración: archivos de noticias, emisoras deportivas y servicios de streaming. Según la compañía, las personas siguen en el circuito: pasan de etiquetar el material a mano a revisar los metadatos que genera el modelo.