SageMaker AI 推出训练会话 API，自写训练循环无需管理 GPU
热点事件持续更新
SageMaker AI 推出训练会话 API，自写训练循环无需管理 GPU
2 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Amazon SageMaker AI 正式推出训练会话（training sessions）API，把 forward_backward、optim_step、sample 等操作变成 API 调用，模型保持加载在托管 GPU 上，用户只需在本地 Python 进程编写训练循环，GPU 分配、分布式执行、故障恢复与检查点存储由平台负责。AWS 称，该功能目前支持 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 和 Qwen3.8-27B，各模型可用地域见文档。 计费按处理的 token 数计算，AWS 称本地奖励函数评分期间不计 GPU 费用、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() 或过期，需在结束（含出错路径）时停止，或用 with 块打开客户端。 使用需安装 SageMaker Python SDK，限 Linux 或 macOS、Python 3.10 至 3.12。
AI 根据报道生成 · 1 小时前更新
最新进展10月23日 02:00
SageMaker AI 推出训练会话，无需管理 GPU 即可自定义模型报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- AWS Machine Learning BlogSageMaker AI 推出训练会话，无需管理 GPU 即可自定义模型
AWS 宣布 SageMaker AI 无服务器模型自定义功能正式推出训练会话，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 BlogAmazon SageMaker AI 推出训练会话 API，可自写训练循环而无需管理 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 进程中编写训练循环。
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。