SageMaker AI 推出训练会话 API，免管 GPU 自写训练循环
先了解这件事
AWS 宣布 Amazon SageMaker AI 的无服务器模型定制正式推出训练会话（training sessions）及配套 API 和 cookbook：用户可在本地 Python 中自行编写训练循环，把 forward_backward、optim_step、sample 等操作作为 API 调用，模型保持加载在托管 GPU 上；GPU 分配、分布式执行、故障恢复与 checkpoint 存储由平台处理。 计费按 SageMaker AI 处理的 token 数计算，用户本机运行奖励函数打分时不产生 GPU 费用，也无需预留容量。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，因此结束后（包括出错路径）需停止会话，或使用 with 块打开客户端。 目前支持的基座模型为 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 和 Qwen3.8-27B；各模型可用的 AWS 区域见训练会话 API 文档。使用需在 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 · 2 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 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 存储由平台处理。
- 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 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。