SageMaker AI 训练会话 API 正式可用
先了解这件事
AWS 宣布 Amazon SageMaker AI 的训练会话 API（Training Sessions）正式可用。开发者可在本地 Python 进程中用 forward_backward()、optim_step()、sample() 等调用驱动一个常驻 GPU 的有状态会话，自行编写训练循环；GPU 分配、分布式执行、梯度同步、故障恢复与 checkpoint 存储由平台托管，模型和 LoRA 适配器保持加载。 计费按 SageMaker AI 处理的 token 数计算，没有需要预留的容量；会话在调用 stop() 或过期前会占用并发会话配额，因此用完后需停止会话，包括在错误路径中停止，或使用 with 块打开客户端。目前支持 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 和 Qwen3.8-27B，各模型可用区域见文档。 使用需在 Linux 或 macOS 上安装 SageMaker Python SDK（Python 3.10 至 3.12）。
AI 根据报道生成 · 8 天前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AWS Machine Learning BlogAWS SageMaker AI 推出无需管理 GPU 的模型定制新方式：Training Sessions 正式可用
AWS 宣布 SageMaker AI 无服务器模型定制中的 Training Sessions 正式可用，用户可自行编写并协调训练循环，GPU 分配、分布式执行、故障恢复与 checkpoint 存储由平台托管。
- AWS Machine Learning Blog用 Amazon SageMaker 训练会话 API 编写自己的训练循环，无需管理 GPU
Amazon SageMaker AI 的训练会话 API 让开发者用 forward_backward()、optim_step()、sample() 等调用在本地 Python 进程中驱动一个常驻 GPU 的有状态会话，模型连同 LoRA 适配器保持加载，服务端负责分布式执行、梯度同步与故障恢复。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 410月24日 08:00
- 近 24 小时变化
- –
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。