Amazon SageMaker AI
PulseAugur coverage of Amazon SageMaker AI — every cluster mentioning Amazon SageMaker AI across labs, papers, and developer communities, ranked by signal.
- 2026-10-02 product_launch Amazon SageMaker AI has introduced a new multi-turn reinforcement learning (MTRL) capability for fine-tuning large language model-powered search agents. 来源
- 2026-07-13 product_launch Amazon SageMaker AI launched a new UI for generative AI inference recommendations within SageMaker AI Studio. 来源
- 2026-07-10 product_launch Amazon SageMaker AI launched serverless model customization for NVIDIA Nemotron 3 models. 来源
- 2026-07-02 product_launch Amazon SageMaker AI launched a new service for multi-turn reinforcement learning. 来源
- 2026-07-01 product_launch AWS SageMaker AI has integrated the BoltzGen model to accelerate protein design workflows. 来源
- 2026-06-25 product_launch AWS has optimized Amazon SageMaker AI to utilize NVIDIA Blackwell GPUs, enhancing large model training capabilities. 来源
- 2026-06-16 product_launch Amazon SageMaker AI introduced container image caching to improve model scaling and reduce inference latency. 来源
- 2026-06-16 product_launch Amazon SageMaker AI launched container caching to improve model scaling speed. 来源
- 2026-06-09 product_launch AWS SageMaker AI has integrated NVIDIA Isaac Lab to enhance robot reinforcement learning training. 来源
- 2026-06-08 product_launch Amazon SageMaker AI now supports end-to-end encrypted machine learning inference using fully homomorphic encryption (FHE). 来源
- 2026-06-03 product_launch Amazon SageMaker AI introduced new capabilities for improving AI agent tool-calling accuracy using SFT and DPO. 来源
- 2026-05-20 product_launch Amazon SageMaker AI launched OpenAI-compatible API support for its real-time inference endpoints. 来源
- 2026-05-20 product_launch Amazon SageMaker AI launches bidirectional streaming for real-time inference, integrating with vLLM. 来源
2 天有情绪数据
-
Amazon SageMaker AI 推出用于微调搜索代理的多轮强化学习
Amazon SageMaker AI 现在提供一项多轮强化学习 (MTRL) 功能，旨在对大型语言模型 (LLM) 驱动的搜索代理进行微调。这种方法训练代理在交互序列中做出最佳决策，提高检索质量和可靠性，同时保持小型模型的速度和成本效益。MTRL 系统提供模块化接口、无服务器执行和各种策略梯度算法，以实现强大的代理训练。
-
AWS SageMaker AI 支持文本到图像和视频生成
AWS 在 SageMaker AI 上推出了一项新功能，允许用户根据文本提示生成图像和视频。这是通过从同一个 AWS vLLM-Omni 深度学习容器部署两个不同的端点来实现的：一个使用 FLUX.2-klein-4B 进行实时图像生成，另一个使用 Wan2.1-VACE-1.3B 进行异步视频生成。该过程包括发送文本提示来创建图像，然后将该图像与运动提示一起用于生成视频，最终输出存储在 Amazon S3 中。
-
GoPro 投资 2.85 亿美元用于 AI 数据中心；ZS 和 Boomi 利用 AWS AI 工具
GoPro 投资 2.85 亿美元进军 AI 数据中心市场，旨在建立自己的基础设施。此外，ZS 使用 Amazon SageMaker 为超过 1000 名日常用户开发了一个安全的分析平台，而 Boomi Scribe 利用 AWS AI 代理自动为企业集成生成文档。在游戏新闻方面，Pimax Dream Air 的评测突出了其出色的视觉效果和舒适性，尽管追踪性能平平，而 GTA 6 被证实拥有比 GTA 5 更多的载具。
-
Boomi Scribe 利用 AWS AI 和 Claude 模型自动化企业文档
Boomi 推出了 Boomi Scribe，这是一款由 AI 驱动的代理，可自动创建和维护企业集成流程的技术文档。Boomi Scribe 利用 Amazon Bedrock 和 Claude 模型等 AWS 服务，解析表示为有向无环图 (DAG) 的复杂工作流数据，以生成准确且详细的文档。该解决方案旨在减少技术债务，通过自动化版本比较和突出显示更改来提高开发人员的生产力，并改进合规性审计。
-
Amazon SageMaker AI 更新 Python SDK v3 以集成自定义模型
Amazon SageMaker AI 已将其 Python SDK 更新至 3.0 版本，使用统一的 ModelTrainer 和 ModelBuilder 类重新设计了脚本模式。此次更新旨在简化用户将自己的模型引入 SageMaker 的过程，并通过使用 scikit-learn 和随机森林算法的示例进行了演示。相关更改在 AWS 的一篇博文中进行了详细介绍。
-
AWS 集成 SageMaker AI 和 Bedrock AgentCore 以实现高级代理工作流
Amazon Web Services (AWS) 通过将 Amazon SageMaker AI 与 Amazon Bedrock AgentCore 相结合，使开发人员能够构建更复杂的代理工作流。此次集成允许在 SageMaker 上使用 OpenAI 兼容的端点以及 Bedrock AgentCore 运行时。这种方法有助于创建多代理系统，其中每个代理都可以利用最适合其特定任务的模型，从而提高 AI 驱动的工作流的整体能力和效率。
-
英国公司 OneAdvanced 在主权 AWS 基础设施上部署了 50 多个 AI 代理
总部位于英国的企业软件提供商 OneAdvanced 已成功在英国主权 AWS 基础设施上部署了超过 50 个 AI 代理。这是通过在 Amazon SageMaker AI 上自托管 Llama 4 Maverick 和 Llama Guard 4 模型，并辅以使用 pgvector 的 RAG 管道实现的。此次部署凸显了在利用先进 AI 功能的同时保持数据主权的策略。
-
OpenAI 的 GPT-5.6 模型现已在 Amazon Bedrock 上可用；AWS 详细介绍银行推荐系统
Amazon Bedrock 已宣布 OpenAI 的 GPT-5.6 模型（包括 Sol、Terra 和 Luna）正式可用。现在可以通过 bedrock-mantle 端点上的 Responses API 访问这些模型，并提供降低成本的选项。另外，AWS 详细介绍了如何使用 Amazon SageMaker AI 和 PyTorch 为银行业构建一个可解释的下一最佳产品推荐系统。
-
Amazon SageMaker AI 推出用于生成式 AI 推理推荐的用户界面
Amazon SageMaker AI 在 SageMaker AI Studio 中推出了一款新的用户界面，用于提供生成式 AI 推理推荐。此功能旨在通过在几分钟内为常见工作负载提供数据驱动的配置，来简化优化模型部署的复杂过程。该用户界面引导用户完成预设用例配置文件，例如“交互”、“生成”和“摘要”，并允许他们选择优化目标，如最小化延迟、最大化吞吐量或最小化成本，所有这些都无需深厚的基础设施专业知识。
-
Amazon SageMaker 为 NVIDIA Nemotron 3 LLM 增加无服务器微调功能
Amazon SageMaker AI 现在为 NVIDIA 的 Nemotron 3 系列开放权重大型语言模型提供无服务器模型定制。此功能允许企业使用监督微调 (SFT) 和强化学习等技术微调 Nemotron 3 Nano 和 Nemotron 3 Super 等模型，而无需管理基础设施。Nemotron 3 架构结合了 Mamba-Transformer 专家混合层，可实现高效的序列处理和参数激活，从而以更低的计算成本实现高吞吐量和准确性。
-
AWS 通过 Unsloth 和 KTern.AI 实现高效 AI 模型部署
AWS 正在使公司能够更高效地部署 AI 模型。Unsloth 利用 AWS 基础设施，为 Amazon SageMaker AI 上的量化模型开发了部署模式。此外，KTern.AI 利用 Amazon Bedrock AgentCore 为 SAP 构建了代理式 AI 解决方案，促进了企业程序专用代理的编排。
-
Unsloth 通过动态量化实现 AWS 上 LLM 的高效部署
Unsloth 开发了一种动态量化方法，可在保持精度的同时显著减小大型语言模型的内存占用。该技术分析模型的每一层，以确定其对精度损失的敏感度，从而允许对不敏感的层进行积极压缩至 4 位精度，而关键层则保留更高的精度。这种方法使得通常需要大量 GPU 资源的模型可以在较小的实例甚至 CPU 上运行，从而降低服务成本并加快迭代周期。
-
Hugging Face 和 Amazon SageMaker 集成，实现一键模型部署
Hugging Face 和 Amazon SageMaker 推出了一项新集成，允许用户一键将模型直接从 Hugging Face 迁移到 Amazon SageMaker Studio。此功能通过预先配置环境和权限，简化了发现、微调和部署模型的过程。该集成还提高了 GPU 配额可用性的可见性，减少了希望快速迭代 AI 模型的开发人员和企业的障碍。
-
AWS SageMaker AI 与 MLflow 集成，用于模型监控和基准测试
Amazon SageMaker AI 正在通过与 MLflow 集成来增强其功能，为机器学习模型提供更好的监控和基准测试。首次集成侧重于监控判别式模型的数据和模型漂移，允许用户跟踪准确性和输入数据的统计属性。第二次集成能够将生成式 AI 模型的基准测试和推荐结果实时流式传输到 MLflow，从而更容易比较不同的配置并提高可复现性。
-
Amazon Mechanical Turk 将停用，停止接受新客户
Amazon Web Services (AWS) 已宣布，作为人类智能任务众包市场的 Amazon Mechanical Turk (MTurk) 将停用。该服务已被移至 AWS 的“维护中服务”列表，表明其即将关闭。MTurk 将于 2026 年 7 月 30 日起停止接受新客户，但现有用户将继续可以使用。
-
Amazon SageMaker AI 推出多轮强化学习新服务
Amazon SageMaker AI 推出了新的多轮强化学习 (MTRL) 服务，旨在训练能够处理复杂、顺序任务的智能体。该服务旨在简化开发能够与工具交互、从错误中恢复以及从多步骤过程中学习的智能体的过程。它提供了模块化智能体-环境接口、无服务器执行、异步推出和原生算法库等功能，同时还提供了对训练指标的可观测性。
-
AWS SageMaker AI 通过集成 BoltzGen 简化蛋白质设计
Amazon SageMaker AI 现已提供一个简化的平台，通过使用 BoltzGen 生成模型来加速蛋白质设计。此次集成旨在简化复杂且计算密集型（GPU 密集型）的蛋白质和肽设计过程，使其能够结合特定靶点。通过管理从配置实例到清理资源的整个计算基础设施生命周期，SageMaker AI 使研究人员能够专注于设计迭代，而不是运营开销。
-
AWS 使 Parcel Perform 能够微调 Amazon Nova 模型，成本降低 50%
AWS 详细介绍了电子商务物流公司 Parcel Perform 如何成功微调 Amazon Nova 模型以提高电子邮件数据提取能力。通过利用 Amazon SageMaker AI 和参数高效微调 (PEFT) 结合低秩适配 (LoRA)，Parcel Perform 实现了高达 94.77% 的提取准确率，显著优于其基线。此微调过程还将推理延迟降低了 30% 以上，成本降低了 50%，使其能够将解决方案投入生产以实现更高效的运营。
-
Microsoft 上调 Xbox 价格，推出付款计划；SageMaker AI 优化 NVIDIA Blackwell 训练
Microsoft 将提高其 Xbox Series 主机的价格，并推出“先买后付”选项。另外，一篇指南详细介绍了如何使用 NVIDIA Blackwell 架构在 Amazon SageMaker AI 上优化模型训练。
-
AWS SageMaker AI 集成 NVIDIA Blackwell GPU 以优化大型模型训练
Amazon SageMaker AI 现已针对 NVIDIA Blackwell GPU 进行优化，可更高效地训练大型 AI 模型。配备 8 个 Blackwell GPU 的新型 P6-B200 实例提供更大的内存和更高的带宽，从而缓解了批次大小和序列长度受限等瓶颈。这使得更大的批次大小、简化的模型分片以及更长的序列长度成为可能，最终缩短迭代周期并降低基础设施成本。