SageMaker AI 训练会话正式可用
先了解这件事
2026年10月23日，AWS 在官方博客宣布，Amazon SageMaker AI 的无服务器模型定制（serverless model customization）正式推出训练会话（training sessions）API。据 AWS 介绍，该功能把抽象边界下移到训练操作层：开发者可在本机用 Python 编写并协调训练循环，包括自定义损失函数和奖励信号，而 GPU 分配、模型与 LoRA 加载、分布式执行、故障恢复及检查点存储由 SageMaker 负责。目前支持 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 和 Qwen3.8-27B 等基础模型，各模型可用地域见训练会话 API 文档。计费按 SageMaker AI 处理的 token 数计算，奖励函数在本机评分批次期间不计 GPU 时间，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，因此需在结束（含错误路径）时停止，或使用 with 块打开客户端。使用前需在 Linux 或 macOS、Python 3.10 至 3.12 环境安装 SageMaker Python SDK 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 Blog精选AWS 为 SageMaker AI 无服务器模型定制推出训练会话
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、故障恢复与检查点存储由平台负责。
- 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，把抽象边界下移到训练操作层，开发者在本机用 Python 编写训练循环，由 SageMaker 负责 GPU 分配、模型与 LoRA 加载、分布式执行和故障恢复。
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。