SageMaker AI 推出 serverless training sessions，可自写训练循环免管 GPU

AWS 在 Amazon SageMaker AI 的 serverless 模型定制中正式推出 training session API：用户可在本地用 Python 编写训练循环（含自定义损失函数和奖励信号），把 forward_backward()、optim_step()、sample() 等操作变成面向有状态 GPU 会话的 API 调用，由 SageMaker 负责 GPU 分配、分布式执行、故障恢复和 checkpoint 存储，无需自行管理 GPU。 计费按处理 token 数收取，只对训练循环实际消耗的算力付费：奖励函数在用户本地环境对一批数据打分时不计费，也无需预留算力。发布时支持 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 和 Qwen3.8-27B，各基座模型可用的 AWS 区域见 training session API 文档。 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，因此用完后（包括出错路径中）应停止会话，或用 with 块打开客户端。AWS 同时发布了配套的 training sessions cookbook。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。