發生什麼事
AWS 在 2026 年 8 月 3 日的 What’s New 公告中表示,Amazon SageMaker AI 的無伺服器模型客製化(serverless model customization)現在支援全參數微調。全參數微調會更新模型的所有參數;這項功能先前主要提供 LoRA 這類只更新一小部分權重的參數高效方法。AWS 的說法是,全參數微調能讓模型更徹底地學到特定領域的模式、術語與任務結構。
公告中的重點:
- 支援模型:25 個以上的開源模型,來自 gpt-oss、Gemma、Llama、Nemotron 與 Qwen 家族;完整清單在官方文件。
- 區域:美東(維吉尼亞北部)、美西(奧勒岡)、亞太(東京)、歐洲(愛爾蘭)。
- 計費與營運:SageMaker 負責佈建基礎設施與訓練編排,使用者不必自己管理,只為實際用量付費;公告頁沒有給具體價格。
- 開始方式:在 SageMaker Studio 的 JumpStart and Models 頁面啟動客製化任務,或使用 SageMaker Python SDK。

背景
AWS 在 2025 年 12 月已公告這項無伺服器客製化服務,之後陸續擴充支援的模型。AWS 在 10 月 22 日的另一則公告中,又把 Muse Glimmer、Qwen 3.8 與 Ministral 3 加入支援清單,並可選擇 LoRA 或全參數微調(本段依 AWS 公告標題與搜尋結果摘要,未逐篇開啟)。
對你的影響
對一般台灣小團隊,全參數微調是重手段:它比 LoRA 吃更多算力,一般也更貴,且模型越大越明顯。多數情境(讓模型學公司語氣、固定輸出格式)先試提示詞或 LoRA 就夠,確定效果不足才有理由升級。
若你本來就想在 AWS 上微調開源模型,這次的實際好處是:
- 不必自己租 GPU 與寫訓練流程;
- 東京區域可用,資料不必送到美國區域(是否符合你的法遵需求,仍要自行確認)。
估算成本前,請先到 SageMaker 定價頁的 Model Customization 分頁確認各模型的費率,公告本身沒有提供。