不碰GPU也能改模型，SageMaker新功能支持4款开源模型

做AI应用的公司，真正跑出结果的，往往不是直接拿现成的基础模型来用。它们会用强化学习这类后训练技术，对开放权重模型做定制。一个用你的业务背景、产品目录或临床术语训练过的模型，在具体任务上更准，跑起来也更省钱。做智能体时，你的数据、工作流、评测标准和成功标准，同样会塑造模型的行为。

但模型定制这件事本身很难。你得选对技术路线，搭好并管理GPU基础设施；做智能体，还要为多轮强化学习搭环境。亚马逊云科技的Amazon SageMaker AI无服务器模型定制，就是冲着这些麻烦来的。这次它把训练会话（training sessions）推到了正式可用。

训练会话给的是后训练逻辑的控制权，底层基础设施不用你管。训练循环由你来写、来协调，包括自定义损失函数或奖励信号。GPU分配、分布式执行、故障恢复、检查点存储，交给SageMaker AI。

不用选机型，也不用写分布式配置

用SageMaker AI无服务器模型定制，你不选实例类型，不管集群，不写分布式训练配置。技术路线也不设限：SFT、DPO、RLVR、RLAIF、多轮RL都能用；更新多少参数，可以用低秩适配（LoRA），也可以全量微调，还能通过连续定制把多种技术串起来。

省时间这块，SageMaker AI训练会话的cookbook给了示例和用例，还配了模型定制智能体技能。你描述用例，智能体负责数据准备、技术选择、训练、评测和部署。它在你平时干活的地方工作：SageMaker Studio、Kiro、Claude Code、Codex或GitHub Copilot。

ImagineSoftware数据科学高级副总裁Rob Gontarek的说法是，他们采用SageMaker AI无服务器训练会话搭建医疗理赔拒付分诊模型，第一天就验证了平台。底层API接口、对前向与反向传播、采样和优化器步骤的直接控制，让科学家能在一个对准确率要求苛刻的用例上做强化学习。训练会话给的原语，足以往生产级性能推。

训练循环自己写，计费按处理的token算

智能体训练的一个重要变化，是转向多轮强化学习。订机票、分诊工单、跑多步研究任务的智能体，要经过好几轮交互，才能判断结果对不对。训练循环很快就变复杂：模型在一套基础设施上训练，在另一套上推理生成回复，给回复打分，再把结果喂进下一次更新。每个阶段要的算力不同，跨工具、跨集群把它们接起来，都是额外的工作。

SageMaker AI本来就把多轮RL做成了托管、无服务器的技术。但客户想要自己定义损失函数、塑造奖励信号，或者把RL各阶段放进一个循环里。训练会话给的就是这份灵活度。

Karini AI首席执行官Nitin Wagh提到，他们用SageMaker AI无服务器训练会话，针对Amazon Neptune知识图谱微调gpt-oss-20b，做智能体多轮工具调用，基础设施由平台兜住。环境搭起来就能用，不用手动调参，也不用跟显存溢出较劲。检查点续跑是亮点：从精确的某一步恢复完全可靠。开发者的灵活度有了，运维负担也卸下来了。

机制上，你的代码在自己的环境里跑训练循环和奖励函数，把智能体接到它的工具或模拟器上。训练会话干的是吃GPU的重活：采样器生成回复，训练器计算梯度、更新模型权重。具体顺序取决于你写的算法。

以分组相对策略优化（GRPO）为例。它针对同一个提示生成多条回复，给它们打分，用相对表现来更新模型。循环跑一遍是这样：

• 采样回复：你的循环让采样器用当前模型为每个提示生成多条回复。
• 打分：你的奖励函数在自有环境里给每条回复打分，可以用验证器、奖励模型或测试框架。
• 更新模型：循环把分数送回训练器，forward_backward()用它算梯度，optim_step()把更新应用到模型权重。
• 刷新并重复：循环让会话用更新后的权重刷新采样器，然后开始下一批。代码重复这些步骤，直到训练结束。

计费按SageMaker AI处理的token来。奖励函数在你的环境里给一批数据打分时，计量暂停，也不需要预留容量。

数据与模型的控制权留在自己手里。每个会话用一个你创建的AWS身份与访问管理（IAM）执行角色，可以加上自己的AWS密钥管理服务（AWS KMS）密钥和虚拟私有云（VPC）配置。数据留在你自己选定的AWS区域内的Amazon Simple Storage Service（Amazon S3）存储桶里，检查点也落在那里。你的数据和定制后的权重，不会被拿去训练另一个模型。部署前可以评测模型的准确率、偏见和安全性；部署后可以加护栏，用Amazon CloudWatch做监控。团队现有的治理流程可以继续用。

目前训练会话支持gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B和Qwen3.8-27B。上手有两条路：在IDE里装SageMaker Python SDK（Linux或macOS，Python 3.10到3.12），克隆cookbook开始开发；或者在SageMaker Studio里，20秒内拉起一个现成的AI开发环境，登录、打开notebook、接上编码智能体（Kiro、Claude Code、Codex或Copilot），下载智能体技能和cookbook就能开工。