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。用户可在本地 Python 进程中自行编写训练循环，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，模型在托管 GPU 上保持加载。 计费按 SageMaker AI 处理的 token 数计算，用户环境中的奖励函数为一批数据打分时计费暂停，且没有可预留的容量。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。 该功能目前支持 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 和 Qwen3.8-27B，各模型可用的 AWS 区域列在训练会话 API 文档中。用户需在 Linux 或 macOS 的 Python 3.10 至 3.12 环境安装 SageMaker Python SDK 并克隆 cookbook 后开始开发。
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 Blog精选AWS 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 Blog精选Amazon SageMaker AI 推出训练会话 API，自写训练循环无需管理 GPU
Amazon SageMaker AI 推出训练会话 API，把 forward_backward、optim_step、sample 等操作变成 API 调用，模型在托管 GPU 上保持加载，用户只需在本地 Python 进程里编写训练循环。
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。