Exowatt 用 SageMaker 微调小模型，成本降 49 倍
热点事件持续更新
Exowatt 用 SageMaker 微调小模型，成本降 49 倍
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Exowatt 使用 Amazon SageMaker AI 无服务器模型定制流水线，基于 Qwen3-1.7B 和 Qwen3-14B 微调出面向边缘与云端的任务专用模型。Exowatt 称，这些模型的准确率超过前沿模型，成本最高降低 49 倍，迭代周期从数月缩短到数天。 该流水线把原始运营数据加工为经认证的训练集、微调模型和可评估部署产物，首个应用场景是边缘告警分诊，第二个是云端能源市场分析。 按文中给出的数据，训练在 SageMaker 无服务器微调上约耗时 32 分钟，花费约 20–25 美元；模型无闲置成本，仅在运行时按每小时 6.86 美元计费；每千次决策为 0 美元，即不计量的 API 或 GPU 推理成本。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 00:50
Exowatt 借助 SageMaker 无服务器模型定制，以最高 49 倍更低成本超越前沿模型准确率报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- AWS Machine Learning BlogExowatt 借助 SageMaker 无服务器模型定制，以最高 49 倍更低成本超越前沿模型准确率
Exowatt 使用 Amazon SageMaker AI 无服务器模型定制流水线，基于 Qwen3-1.7B 和 Qwen3-14B 微调出面向边缘与云端的任务专用模型，准确率超过前沿模型且成本最高降低 49 倍。该流水线将原始运营数据加工为经认证的训练集、微调模型和可评估部署产物，把迭代周期从数月缩短到数天。首个应用场景为边缘告警分诊，第二个为云端能源市场分析。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月28日 02:00
- 近 24 小时变化
- –
02.557.510
02:0003:0004:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。