SageMaker AI 推出无需管理 GPU 的模型定制新方式

英文原标题：Announcing new ways to customize models with SageMaker AI, without managing GPUs

本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗

• Amazon SageMaker AI 的 serverless 模型定制功能新增 training sessions 并正式可用，让用户无需管理 GPU 基础设施即可控制后训练逻辑。
• 用户可编写和协调训练循环，包括自定义损失函数或奖励信号；SageMaker AI 负责 GPU 分配、分布式执行、故障恢复和检查点存储。
• 支持 SFT、DPO、RLVR、RLAIF、多轮 RL 等技术，可通过 LoRA 或全量微调选择更新范围，并支持连续定制串联多种技术。
• 提供 cookbook 和模型定制 agent skills，用户描述用例后，agent 可处理数据准备、技术选择、训练、评估和部署，并可在 SageMaker Studio、Kiro、Claude Code、Codex 或 GitHub Copilot 中使用。
• 数据保留在用户自己的 S3 桶和所选区域，使用用户创建的 IAM 执行角色，可添加 KMS 密钥和 VPC 配置；AWS 不会用用户数据或定制权重训练其他模型。

关键数据

• 支持 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 和 Qwen3.8-27B
• SageMaker Python SDK 支持 Linux 或 macOS 上的 Python 3.10 至 3.12
• 在 SageMaker Studio 中可在 20 秒内启动即用型 AI 开发环境
• 按 SageMaker AI 处理的 token 计费，奖励函数评分批次时计费暂停，无需预留容量

为什么值得看：该功能让企业在不管理 GPU 的情况下自定义后训练循环，兼顾灵活性与运维简化，并支持多轮强化学习等 agent 训练场景。