SageMaker AI 训练会话正式可用
先了解这件事
AWS 宣布 Amazon SageMaker AI 无服务器模型定制的训练会话（training sessions）正式可用。用户可在自己的 Python 进程中编写 SFT、偏好优化或 RL 训练循环，通过 forward_backward()、optim_step()、sample() 等 API 调用操作；模型保持加载在 GPU 上，GPU 分配、分布式执行、梯度同步、故障恢复和检查点存储由 SageMaker AI 负责。 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不产生 GPU 费用，且无需预留容量。目前支持 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 和 Qwen3.8-27B，各模型可用区域见文档。运行中的会话会占用并发会话配额，直到调用 stop() 或过期，AWS 提醒在结束（包括出错路径）时停止会话。 使用需安装 SageMaker Python SDK（Linux 或 macOS，Python 3.10 至 3.12）并克隆 cookbook。
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 BlogAWS 为 SageMaker AI 推出免管 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训练会话（training sessions），用户可自行编写并协调训练循环，包括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 checkpoint 存储由 SageMaker AI 负责。
- AWS Machine Learning BlogAmazon SageMaker AI 推出训练会话 API，自写训练循环无需管理 GPU
Amazon SageMaker AI 在无服务器模型定制中新增训练会话 API，把 forward_backward()、optim_step()、sample() 等操作变成 API 调用，模型在 GPU 上保持加载，用户在自己的 Python 进程中编写 SFT、偏好优化或 RL 训练循环，服务端负责分布式执行、梯度同步、故障恢复和检查点存储。
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。