Amazon SageMaker AIがMuse Glimmer、Qwen 3.8、Ministral 3のサーバーレスモデルカスタマイズに対応

Amazon SageMaker AIにおいて、Muse Glimmer、Qwen 3.8 (27B)、およびMinistral 3 (3B, 8B, 14B) のサーバーレスモデルカスタマイズがサポートされました。これにより、教師あり微調整 (SFT)、直接選好最適化 (DPO)、強化学習微調整 (RFT) といった手法を用いて、インフラ管理不要でこれらのモデルを特定のドメインやワークフローに合わせて最適化できます。また、LoRA (Low-Rank Adaptation) またはフルファインチューニングのいずれかを選択して適用可能です。本機能は、東京リージョンを含む主要リージョンで利用可能です。

運用の手間を大幅に削減できるサーバーレス微調整

これまでLLMの微調整（ファインチューニング）を行う際は、GPUクラスターのプロビジョニングやオーケストレーションといったインフラ管理の負荷が非常に高いのが一般的でした。今回のアップデートで、Muse GlimmerやQwen 3.8、Ministral 3といった最新モデルがサーバーレスでカスタマイズ可能になったことで、エンジニアはインフラ構築ではなく、データの準備と評価に集中できるようになります。

日本国内での利用可能性

リサーチ結果に基づき、東京リージョン (ap-northeast-1) で利用可能であることが確認されています。大阪リージョン (ap-northeast-3) については、公式発表に明記されていないため、利用したい場合はマネジメントコンソールで直接確認することをお勧めします。

実務上のアドバイス

• コスト最適化: 小規模なモデルを適切に微調整することで、巨大なフロンティアモデルと同等の精度をタスクに特化させつつ、推論コストとレイテンシを削減できる可能性があります。まずはLoRAなどの軽量な手法から試すのが定権です。

• 手法の使い分け:

  • 精度向上 $\rightarrow$ SFT
  • トーンの調整 $\rightarrow$ DPO
  • 新しいタスクへの適応 $\rightarrow$ RFT

次のアクション

まずはSageMaker Studioの「Models」ページから、対象モデルのカスタマイズジョブを起動して、自社データでの精度検証を行うことから始めてください。

参考ドキュメント

• Amazon SageMaker AI model customization documentation
• https://docs.aws.amazon.com/sagemaker/latest/dg/customizing-models.html#customizing-models-supported