Amazon SageMaker AI unterstützt jetzt die Serverless-Modellanpassung für die Modelle Muse Glimmer, Qwen 3.8 und Ministral 3
Amazon SageMaker AI unterstützt jetzt die Serverless-Modellanpassung für die Modelle Muse Glimmer, Qwen3.8 27B und Ministral 3 3B, 8B und 14B. Zusätzlich zur Bereitstellung dieser Modelle auf SageMaker AI können Sie sie jetzt mithilfe von Techniken zur überwachten Feinabstimmung (SFT), direkter Präferenzoptimierung (DPO) und Verstärkungsfeinabstimmung (RFT) an Ihre spezifischen Domains und Workflows anpassen. Sie können diese Modelle auch entweder mit Low-Rank Adaptation (LoRa) oder mit vollständigen Feinabstimmungstechniken anpassen. Durch diese Markteinführung werden diese Modelle zu einer Vielfalt an Modellen hinzugefügt, die für Serverless-Anpassungen auf SageMaker AI verfügbar sind, darunter Modelle aus den Familien Nova, Gemma 4, Nemotron 3.5, Qwen, Llama, gpt-oss und DeepSeek.
Mit der Modellanpassung können Sie Basismodelle mit Ihren geschützten Daten individuell anpassen, sodass ein kleineres, richtig dimensioniertes Modell bei Ihren Aufgaben mit der Qualität von Grenzmodellen mithalten kann, wobei gleichzeitig Kosten und Latenz reduziert werden. Sie können beschriftete Daten mit SFT verwenden, um die Genauigkeit bei domainspezifischen Aufgaben zu verbessern, Präferenzdaten mit DPO verwenden, um die Ergebnisse an den Ton Ihres Unternehmens anzupassen, oder Belohnungssignale mit RFT verwenden, um die Leistung bei neuen Aufgaben 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 auf SageMaker AI ist in den Regionen USA Ost (Nord-Virginia), USA West (Oregon), Asien-Pazifik (Tokio) und Europa (Irland) verfügbar. Gehen Sie zunächst zur Modellseite in Amazon SageMaker Studio, um einen Anpassungsjob zu starten, verwenden Sie das SageMaker-Python-SDK oder nutzen Sie unsere Agentenfähigkeiten mit einem Codierungsassistenten Ihrer Wahl. Weitere Informationen und die vollständige Liste der unterstützten Modelle finden Sie in der Dokumentation zur Amazon SageMaker AI-Modellanpassung.