Amazon SageMaker AI รองรับการปรับแต่งโมเดลแบบไม่ต้องใช้เซิร์ฟเวอร์สำหรับโมเดล Muse Glimmer, Qwen 3.8 และ Ministral 3 แล้ว
ขณะนี้ Amazon SageMaker AI รองรับการปรับแต่งโมเดลแบบไม่ต้องใช้เซิร์ฟเวอร์สำหรับโมเดล Muse Glimmer, Qwen3.8 27B และ Ministral 3 ขนาด 3B, 8B และ 14B นอกเหนือจากการติดตั้งใช้งานโมเดลเหล่านี้บน SageMaker AI แล้ว ขณะนี้คุณยังสามารถปรับโมเดลให้เหมาะกับโดเมนและเวิร์กโฟลว์เฉพาะของคุณได้ โดยใช้เทคนิคการปรับแต่งเพิ่มเติมแบบมีผู้สอน (SFT), การเพิ่มประสิทธิภาพตามความต้องการโดยตรง (DPO) และการปรับแต่งเพิ่มเติมแบบเสริมแรง (RFT) คุณยังสามารถปรับโมเดลเหล่านี้ได้ด้วยเทคนิค Low-Rank Adaptation (LoRA) หรือการปรับแต่งเพิ่มเติมแบบเต็มรูปแบบ การเปิดตัวครั้งนี้เพิ่มโมเดลเหล่านี้เข้าไปในโมเดลหลากหลายประเภทที่พร้อมให้ปรับแต่งแบบไม่ต้องใช้เซิร์ฟเวอร์บน SageMaker AI ซึ่งรวมถึงโมเดลจากตระกูล Nova, Gemma 4, Nemotron 3.5, Qwen, Llama, gpt-oss และ DeepSeek
การปรับแต่งโมเดลช่วยให้คุณปรับโมเดลพื้นฐานด้วยข้อมูลที่เป็นกรรมสิทธิ์ของคุณ เพื่อให้โมเดลขนาดเล็กที่เหมาะสมกับงานสามารถให้คุณภาพเทียบเท่าโมเดลระดับแนวหน้าในการทำงานของคุณ พร้อมทั้งลดค่าใช้จ่ายและเวลาแฝง คุณสามารถใช้ข้อมูลที่จัดประเภทแล้วร่วมกับ SFT เพื่อเพิ่มความแม่นยำสำหรับงานเฉพาะโดเมน, ใช้ข้อมูลความต้องการร่วมกับ DPO เพื่อปรับเอาต์พุตให้สอดคล้องกับโทนขององค์กร หรือใช้สัญญาณรางวัลร่วมกับ RFT เพื่อปรับปรุงประสิทธิภาพสำหรับงานใหม่ การปรับแต่งแบบไม่ต้องใช้เซิร์ฟเวอร์ช่วยให้ SageMaker AI สามารถจัดการการจัดสรรโครงสร้างพื้นฐานและการควบคุมระบบการฝึกทั้งหมด คุณจึงสามารถมุ่งเน้นไปที่ข้อมูลและการประเมินผลของตนเองแทนที่จะเป็นการจัดการคลัสเตอร์ และจ่ายเฉพาะเท่าที่คุณใช้เท่านั้น
การปรับแต่งโมเดลแบบไม่ต้องใช้เซิร์ฟเวอร์ บน SageMaker AI มีให้บริการในสหรัฐอเมริกาฝั่งตะวันออก (เวอร์จิเนียฝั่งเหนือ), สหรัฐอเมริกาฝั่งตะวันตก (ออริกอน), เอเชียแปซิฟิก (โตเกียว) และยุโรป (ไอร์แลนด์) หากต้องการเริ่มต้นใช้งาน ให้ไปที่หน้าโมเดลใน Amazon SageMaker Studio เพื่อเปิดใช้งานการปรับแต่ง หรือใช้ SageMaker Python SDK หรือใช้ Agent Skill ของเราตามผู้ช่วยเขียนโค้ดที่คุณเลือก ดูข้อมูลเพิ่มเติมและรายการโมเดลทั้งหมดที่รองรับได้ที่เอกสารประกอบเกี่ยวกับการปรับแต่งโมเดลของ Amazon SageMaker AI