SageMaker AI 训练会话正式可用
先了解这件事
AWS 宣布 Amazon SageMaker AI 无服务器模型定制中的训练会话（training sessions）正式可用。开发者可在本地 Python 进程中自行编写训练循环、损失函数和奖励信号，GPU 分配、分布式执行、故障恢复与检查点存储由 SageMaker AI 负责。 该功能支持 SFT、DPO、RLVR、RLAIF 和多轮 RL，可选择 LoRA 或全量微调，目前支持 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 和 Qwen3.8-27B。计费按 SageMaker AI 处理的 token 数计算，奖励函数在用户环境中打分时停止计费，无需预留容量；运行中的会话会占用并发会话配额，需调用 stop() 或等待过期释放。
AI 根据报道生成 · 11 天前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AWS Machine Learning BlogAWS SageMaker AI 训练会话正式可用，无需管理 GPU 即可自定义模型
AWS 宣布 SageMaker AI 无服务器模型定制中的训练会话（training sessions）正式可用，用户可自行编写训练循环、自定义损失函数和奖励信号，GPU 分配、分布式执行、故障恢复与检查点存储由 SageMaker AI 负责。该功能支持 SFT、DPO、RLVR、RLAIF 和多轮 RL 等技术，并可选择 LoRA 或全量微调。计费按 SageMaker AI 处理的 token 计，奖励函数在用户环境中打分时停止计费，无需预留容量。
- AWS Machine Learning BlogAmazon SageMaker AI 推出训练会话 API，可在托管 GPU 上自写训练循环
Amazon SageMaker AI 推出训练会话 API，把抽象边界下移到训练操作层：开发者在本地 Python 进程中调用 forward_backward()、optim_step()、sample() 等操作，由 SageMaker 负责 GPU 分配、模型与 LoRA 加载、分布式执行、故障恢复和检查点存储。API 由 ServiceClient、TrainingClient、SamplingClient 三个客户端依次创建，会话还提供 OpenAI 兼容的 chat completions 端点。计费按处理的 token 数计算，本地奖励计算等环节不计 GPU 时间。