摘要
AWS 宣布 SageMaker AI 的无伺服器模型客制化（training sessions）正式可用，开发者可在不管理 GPU 或基础设施的前提下对开放权重模型做后训练客制化。功能包括自行编排训练回圈、实作自订损失或奖励讯号，而 GPU 配置、分散式执行、故障复原与检查点交由 SageMaker 处理。支援 SFT、DPO、RLVR、RLAIF 与多轮 RL，可选 LoRA 部分更新或全量微调，并串接多个客制化步骤。官方同时提供 cookbook、agent skills 与部署流程，支援 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B、Qwen3.8-2…
重點整理
- 企业可更快针对自家资料微调开源模型；开发者则需改为熟悉资料准备与评估流程，而非硬体维运。
- 中小团队可用使用量计价做客制化，不必先养一批 GPU 或维运分散式训练。
編輯說明
本頁是 Code & Chain 對公開來源的編輯摘要，可能使用 AI 輔助整理並經自動化流程發布。請以原始來源為準；內容不構成投資、法律或稅務建議。