AWS ngày 22/10 (giờ địa phương) đã chính thức ra mắt tính năng Training Sessions trên nền tảng máy học Amazon SageMaker, cho phép doanh nghiệp và nhà phát triển tùy biến quy trình huấn luyện AI agent. Thông tin được VentureBeat đăng tải.

Với Training Sessions, nhà phát triển có thể tự thiết kế cách huấn luyện mô hình, còn AWS phụ trách vận hành hạ tầng GPU.

Cụ thể, người dùng có thể xây dựng quy trình huấn luyện và xác định tiêu chí đánh giá. SageMaker sẽ đảm nhiệm việc phân bổ tài nguyên tính toán, điều phối các tác vụ xử lý, tự khôi phục khi xảy ra sự cố và lưu lại tiến độ huấn luyện. Nhờ đó, doanh nghiệp có thể thử nghiệm các cách phản hồi theo nhu cầu nội bộ mà không phải tự triển khai hạ tầng GPU.

Trước đó, SageMaker đã hỗ trợ fine-tuning mô hình. Đến tháng 12/2025, AWS tiếp tục giới thiệu khả năng tùy biến theo hướng serverless. Training Sessions bổ sung mức kiểm soát chi tiết hơn cho cách tiếp cận này, cho phép nhà phát triển gọi API trực tiếp để xử lý từng tác vụ như tạo phản hồi, tính toán và áp dụng bản cập nhật.

Theo VentureBeat, tính năng mới đặc biệt phù hợp với việc huấn luyện các agent hoạt động theo nhiều bước.

AWS áp dụng mô hình tính phí dựa trên số token được xử lý, thay vì yêu cầu khách hàng đặt trước tài nguyên GPU. Khách hàng cũng không bị tính phí trong khoảng thời gian tự đánh giá kết quả bằng mã riêng.

Hiện có bốn mô hình được hỗ trợ, gồm gpt-oss-20b, Gemma-4-31B-it, Qwen3.6-27B và QwQ3.8-27B. Dữ liệu huấn luyện cùng các checkpoint được lưu trong kho S3 của khách hàng. AWS khẳng định không sử dụng dữ liệu khách hàng hoặc các trọng số đã được tùy biến để huấn luyện những mô hình khác.

VentureBeat nhận định phân khúc này hiện đã xuất hiện một số dịch vụ tương tự, trong đó có "Tinker" của Thinking Machines Lab.