Amazon SageMaker AI unterstützt jetzt die Serverless-Modellanpassung für Qwen3.5-Modelle
Amazon SageMaker AI unterstützt jetzt die Serverless-Modellanpassung für Qwen3.5. Somit können Sie jetzt die Qwen3.5 4B-, 9B- und 27B-Parametermodelle mithilfe von überwachter Feinabstimmung (SFT) und Reinforcement Fine Tuning (RFT) optimieren. Qwen3.5 ist eine beliebte Open-Weight-Modellfamilie von Alibaba Cloud. Vor diesem Launch konnten Sie diese Basismodelle auf SageMaker AI bereitstellen und jetzt können Sie sie auch an Ihre spezifischen Domains und Workflows anpassen.
Die Modellanpassung ermöglicht es Ihnen, Basismodelle mit Ihren geschützten Daten so anzupassen, dass sie Ihr Domain-Fachwissen, Ihre Terminologie und Ihre Qualitätsstandards genauer widerspiegeln. Anstatt Modelle von Grund auf neu zu erstellen, können Sie bei der Feinabstimmung von einem leistungsfähigen Basismodell ausgehen und es auf Ihre Anwendungsfälle spezialisieren, unabhängig davon, ob es darum geht, die Genauigkeit bei domainspezifischen Aufgaben zu verbessern, die Ergebnisse an den Ton Ihres Unternehmens anzupassen oder die Leistung bei neuen Aufgaben mithilfe Ihrer beschrifteten Daten zu verbessern. Dank Serverless-Anpassung kümmert sich SageMaker AI um die gesamte Infrastrukturbereitstellung und Trainingsorchestrierung, sodass Sie sich auf Ihre Daten und Evaluierungen statt auf das Cluster-Management konzentrieren können und nur für das bezahlen, was Sie tatsächlich nutzen.
Die Serverless-Modellanpassung für Qwen3.5 auf SageMaker AI ist in den Regionen USA Ost (Nord-Virginia), USA West (Oregon), Asien-Pazifik (Tokio) und EU (Irland) verfügbar. Navigieren Sie zunächst zur Seite „Modelle“ in Amazon SageMaker Studio, um einen Anpassungsjob zu starten, oder verwenden Sie das SageMaker-Python-SDK für den programmatischen Zugriff. Weitere Informationen finden Sie in der Dokumentation zur Anpassung des Amazon-SageMaker-AI-Modells.