Exowatt 如何借助 SageMaker 无服务器定制，在特定任务上超越前沿模型
Exowatt beats frontier models on accuracy with SageMaker serverless model customization
- 谁
- Exowatt
- 引文
In this post, we show how Exowatt used Amazon SageMaker AI serverless model customization to build a repeatable AI pipeline.
发生了什么
Exowatt 使用 Amazon SageMaker AI 无服务器模型定制，对 Qwen3-1.7B 进行微调，用于边缘告警分诊；对 Qwen3-14B 进行微调，用于云端能源市场分析。这两个模型在各自测试中的宏平均 F1 分数分别达到 0.911 和 0.975，超过了报告中的前沿模型基准。其可复用流程结合了精选数据、经核验的改写、微调和评估，支持在边缘设备上离线 CPU 部署；云端推理成本为每 1,000 个回答 0.60 美元，而 Claude Opus 4.7 为 29.26 美元。
推荐理由
该案例展示了一种可迁移的微调工作流：经过核验的改写多样性可以提高任务准确率，而共享训练流程则同时支持离线边缘推理和托管云端部署。
接下来读什么
查看这件事的完整进展Exowatt 为告警分流和能源市场分析微调 Qwen3 模型这件事到目前为止
Exowatt 使用 Amazon SageMaker AI 无服务器模型定制功能，微调了两个 Qwen3 模型，用于告警分流和能源市场分析。AWS Machine Learning Blog 的一篇博文报告称，这两个模型的表现都超过了前沿模型基线。Qwen3-1.7B 在边缘告警分流测试中的宏平均 F1 值为 0.911；Qwen3-14B 在云端能源市场分析测试中的宏平均 F1 值为 0.975。这些结果仅适用于所测试的特定任务。 Exowatt 可复用的流水线结合了精选数据、经过核查的改写文本、微调和评估。它支持边缘模型离线部署在 CPU 上，也支持为能源市场分析提供云端推理。博文报告的云端推理成本为每 1,000 个答案 0.60 美元，而 Claude Opus 4.7 的成本为 29.26 美元。
每天一封，跟上 AI 的重要变化
模型发布、价格变化、算力进展，附原始来源。免费，确认后开始发送，随时一键退订。 看一份往期日报 · 2026-10-27