AWS SageMaker AI 训练会话正式可用
先了解这件事
AWS 宣布 SageMaker AI 无服务器模型定制中的 training sessions 已正式可用（GA）。开发者可在本地 Python 进程中编写自己的训练循环、损失函数和奖励信号，GPU 分配、分布式执行、故障恢复和 checkpoint 存储由 SageMaker AI 负责；新推出的 training session API 提供 forward_backward、optim_step、sample 等调用。 目前支持 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 和 Qwen3.8-27B 四种模型。AWS 称按 SageMaker AI 处理的 token 计费，奖励函数在用户环境中为一批数据打分时计费停止，且无需预留容量；运行中的会话会占用并发会话配额，需调用 stop() 或等其过期。使用需安装 SageMaker Python SDK，环境为 Linux 或 macOS、Python 3.10 至 3.12。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AWS Machine Learning Blog精选AWS 为 SageMaker AI 推出无需管理 GPU 的模型定制训练会话
AWS 宣布 SageMaker AI 无服务器模型定制正式推出 training sessions 并进入 GA，用户可自行编写训练循环、损失函数和奖励信号，GPU 分配、分布式执行、故障恢复与 checkpoint 存储由 SageMaker AI 负责。
- AWS Machine Learning BlogAmazon SageMaker AI 推出 training session API，可在托管 GPU 上自写训练循环
Amazon SageMaker AI 的 Serverless 模型定制新增 training session API，把抽象层从算法下移到算力，开发者用 forward_backward、optim_step、sample 等调用在本地 Python 进程中编写 SFT、偏好优化或 RL 循环，GPU 分配、分布式执行与容错由服务承担。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。