Amazon SageMaker AI サーバーレスモデルカスタマイズがフルファインチューニングに対応

Amazon SageMaker AI のサーバーレスモデルカスタマイズにおいて、フルファインチューニング（Full Fine-Tuning）がサポートされました。これにより、LlamaやGemma、Qwenなどの25種類以上のオープンソースモデルの全パラメータを更新し、深いドメイン適応が可能になります。インフラのプロビジョニングや管理者が不要なサーバーレス形式で提供され、使用した分のみの従量課金で利用可能です。

サーバーレスで「全パラメータ更新」が可能に

これまではLoRAなどのPEFT（パラメータ効率的な微調整）が主流でしたが、フルファインチューニングがサーバーレスで提供されたことは大きな前進です。特に、専門用語が極めて多い業界や、複雑な出力形式を厳格に守らせたい場合に、表面的なスタイルの調整ではなく、モデルの内部知識を深く書き換えることが可能になります。

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) でも利用可能であることが確認されています。国内のデータガバナンス要件があるプロジェクトにおいて、サーバーレスで高度なモデルカスタマイズを行う選択肢が増えたことは実務上の大きなメリットです。

運用上の注意点とアドバイス

• コスト管理: サーバーレスであるため、インフラ管理の手間は省けますが、全パラメータを更新するため、LoRAに比べて計算リソースの消費量とコストが増加する傾向にあります。まずはLoRAでベースラインを性能評価し、それでも不十分な場合にフルファインチューニングへ移行することを推奨します。
• 予算設定: 従量課金であるため、大規模なデータセットでの学習も想定し、AWS予算（AWS Budgets）での監視を適切に設定してください。

次のアクション

まずは SageMaker Studio の JumpStart ページから、利用したいモデルファミリー（Llama, Qwen 等）がフルファインチューニングに対応しているか確認し、小規模なデータセットで PoC を開始してください。

参考リソース

• Amazon SageMaker AI model customization documentation (https://docs.aws.amazon.com/sagemaker/latest/dg/model-customize-open-weight.html)