AWS 正式上线 SageMaker AI 训练会话
先了解这件事
AWS 在 Amazon SageMaker AI 的无服务器模型定制中正式上线训练会话（training sessions）：用户可自行编写训练循环、自定义损失函数与奖励信号，GPU 分配、分布式执行、故障恢复和检查点存储由 SageMaker AI 负责，无需自行管理 GPU。 计费按 SageMaker AI 处理的 token 数计算；当奖励函数在用户环境中为一批数据打分时，计费暂停，且无需预留容量。运行中的会话会占用并发会话配额，直到调用 stop() 或会话过期，因此用户需在结束时（包括出错路径）停止会话，或用 with 块打开客户端。 目前支持 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 和 Qwen3.8-27B，各模型可用区域见训练会话 API 文档。使用需在 Linux 或 macOS 的 Python 3.10 至 3.12 环境安装 SageMaker Python SDK。
AI 根据报道生成 · 54 分钟前更新
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上线训练会话（training sessions），用户可自行编写并协调训练循环、自定义损失函数与奖励信号，GPU 分配、分布式执行、故障恢复和检查点存储由 SageMaker AI 负责。
- AWS Machine Learning BlogAWS 推出 SageMaker AI 训练会话 API，可自写训练循环而无需管理 GPU
AWS 在 Amazon SageMaker AI 的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，模型在步骤间保持加载在 GPU 上，由服务负责分布式执行、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。