AWS lance Training Sessions pour SageMaker AI
La nouvelle fonctionnalité permet aux développeurs de définir l'entraînement et l'évaluation en code, AWS gérant les GPU. Facturation aux tokens traités.
Amazon Web Services a lancé « Training Sessions », une nouvelle fonctionnalité d'Amazon SageMaker AI, le 22 octobre heure locale, selon aitimes.com. Elle permet aux développeurs de définir en code leurs procédures d'entraînement et leurs critères d'évaluation, tandis qu'AWS prend en charge l'allocation des GPU, l'entraînement distribué, la reprise après incident et les points de contrôle.
Les développeurs peuvent personnaliser la manière dont un modèle d'IA génère ses réponses, évalue ses résultats et se met à jour, y compris via des fonctions de récompense personnalisées et un entraînement en plusieurs étapes. AWS cite l'exemple de Group Relative Policy Optimization (GRPO), où une fonction d'évaluation note plusieurs réponses et où le modèle est mis à jour selon les scores relatifs. La personnalisation va du LoRA à l'ajustement complet.
Parmi les premiers utilisateurs figurent ImagineSoftware, qui a construit un modèle pour classer les refus de prise en charge de sinistres médicaux, et Karini AI, qui a personnalisé GPT-OSS-20B pour un agent interagissant avec le graphe de connaissances Amazon Neptune. AWS n'a pas communiqué de chiffres sur les gains de précision ni sur le coût total d'entraînement par client.
Tarification et modèles pris en charge
La facturation repose sur les tokens traités plutôt que sur le temps de GPU réservé, et elle est suspendue pendant que le code d'évaluation écrit par le développeur examine les résultats. Les modèles pris en charge incluent GPT-OSS-20B, Gemma-4-31B-it, Qwen3.6-27B et Qwen3.8-27B. La fonctionnalité est accessible via SageMaker Studio ou le SDK Python.
Les données d'entraînement et les points de contrôle des clients sont stockés dans Amazon S3, dans la région choisie par le client, et ces données ne servent pas à entraîner d'autres modèles. Auparavant, SageMaker AI permettait l'ajustement et l'apprentissage par renforcement avec du code personnalisé, mais les développeurs devaient configurer eux-mêmes les types d'instances GPU, les environnements d'entraînement et les paramètres distribués ; en décembre 2025, AWS avait introduit une personnalisation de modèles sans serveur qui allégeait la gestion de l'infrastructure mais limitait le contrôle fin du processus.
En bref
Qu'est-ce qu'AWS Training Sessions ?
Une fonctionnalité d'Amazon SageMaker AI qui laisse le développeur définir en code l'entraînement et l'évaluation, AWS gérant les GPU, l'entraînement distribué, la reprise après incident et les points de contrôle.
Comment est facturée Training Sessions ?
Selon les tokens traités, et non selon le temps de GPU réservé, avec une facturation suspendue pendant l'exécution du code d'évaluation du développeur.
Quels modèles sont pris en charge ?
GPT-OSS-20B, Gemma-4-31B-it, Qwen3.6-27B et Qwen3.8-27B, via SageMaker Studio ou le SDK Python.