Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Kustomisasi model
Kustomisasi model Amazon SageMaker AI memungkinkan Anda menyesuaikan model dasar dengan kasus penggunaan spesifik Anda dengan melatihnya pada data Anda. Anda memilih teknik * penyesuaian * (bagaimana model belajar), jenis * pelatihan * (berapa banyak model yang akan diperbarui), dan opsi * infrastruktur * (tempat menjalankan pekerjaan).
## Gambaran umum
**Teknik penyesuaian ** menentukan * bagaimana model * Anda belajar dari data:
+ **SFT ** (Diawasi Fine-Tuning) - Berlatih pada pasangan respon cepat berlabel. Lihat [SFT](customizing-models-sft.md).
+ **DPO ** (Direct Preference Optimization) — Latih pasangan respons yang disukai vs yang ditolak. Lihat [DPO](customizing-models-dpo.md).
+ **RFT ** (Penguatan Fine-Tuning) — Optimalkan melalui sinyal hadiah (RLVR atau RLAIF). Lihat [RFT](customizing-models-rft.md).
+ **MTRL ** (Reinfor Multi-Turn cement Learning) — Latih agen untuk tugas agen multi-langkah. Lihat [Multi-turn pembelajaran penguatan](model-customize-mtrl.md).
+ **Kustomisasi Ber ** kelanjutan - Teknik rantai secara berurutan. Lihat [Kustomisasi berkelanjutan](customizing-models-continuous.md).
**Jenis pelatihan ** menentukan * berapa * banyak model yang akan diperbarui:
+ **LoRA**(Low-Rank Adaptasi) - Melatih satu set kecil bobot adaptor. Biaya lebih rendah, pelatihan lebih cepat. Lihat [LoRa](customizing-models-lora.md).
+ **FFT ** (Penuh Fine-Tuning) - Memperbarui semua bobot model. Komputasi yang lebih tinggi, kustomisasi yang lebih dalam. Lihat [FFT](customizing-models-fft.md).
**Opsi infrastruktur ** mengontrol * tempat pekerjaan pelatihan * Anda berjalan:
+ **Tanpa server ** - Sepenuhnya dikelola, tidak ada pemilihan instance. Terbaik untuk eksperimen cepat dan pekerjaan produksi tanpa overhead operasi. Lihat [Kustomisasi model tanpa server](customize-model.md).
+ **SageMaker Pekerjaan Pelatihan AI ** — Pekerjaan sementara di mana Anda memilih jenis instans. Menggunakan ** Resep ** untuk pelatihan pra-konfigurasi. Lihat [SageMaker Lowongan AI Training](customizing-models-training-jobs.md).
+ **HyperPod**— Cluster persisten dengan pemulihan kesalahan. Menggunakan ** Resep ** untuk pelatihan terdistribusi di EKS atauSlurm. Lihat [HyperPod](customizing-models-hyperpod.md).
## Memilih pendekatan Anda
Sebelum menyempurnakan, pertimbangkan apakah pendekatan yang lebih sederhana memenuhi kebutuhan Anda:
Rekayasa yang Cepat
Model Anda memberikan jawaban yang dapat diterima tetapi membutuhkan nada, format, atau gaya yang lebih baik. Tidak diperlukan pelatihan — iterasi cepat. Lihat Rek [ ayasa cepat untuk model pondasi](https://docs.aws.amazon.com/sagemaker/latest/dg/jumpstart-foundation-models-customize-prompt-engineering.html).
RAG (Pengambilan Generasi Augmented)
Model Anda tidak memiliki pengetahuan tentang domain spesifik Anda. Tambah dengan sumber pengetahuan eksternal tanpa pelatihan ulang. Lihat Peng [ ambilan Augmented Generation](https://docs.aws.amazon.com/sagemaker/latest/dg/jumpstart-foundation-models-customize-rag.html).
Fine-tuning
Model Anda perlu secara konsisten mempelajari perilaku, gaya, atau keahlian domain baru. Latih data Anda untuk mengubah bobot model. Lanjutkan membaca panduan ini.
## Model yang didukung untuk penyempurnaan
Model berikut tersedia untuk penyesuaian di seluruh tanpa server, Pekerjaan SageMaker Pelatihan AI, dan HyperPod infrastruktur.
| Penyedia | Model | Model ID | Nirserver | Lowongan Kerja Pelatihan | HyperPod |
| --- | --- | --- | --- | --- | --- |
| Alibaba | Qwen3.6 27B | huggingface-vlm-qwen3-6-27b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3.5 27B | huggingface-vlm-qwen3-5-27b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3.5 9B | huggingface-vlm-qwen3-5-9b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3.5 4B | huggingface-vlm-qwen3-5-4b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3 32B | huggingface-reasoning-qwen3-32b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3 14B | huggingface-reasoning-qwen3-14b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3B | huggingface-reasoning-qwen3-8b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3B | huggingface-reasoning-qwen3-4b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3 1.7B | huggingface-reasoning-qwen3-1-7b | ✓ | ✓ | ✓ |
| Alibaba | Qwen3 0,6B | huggingface-reasoning-qwen3-06b | ✓ | ✓ | ✓ |
| Alibaba | Qwen2.5 Instruksikan 72B | huggingface-llm-qwen2-5-72b-instruct | ✓ | ✓ | ✓ |
| Alibaba | Qwen2.5 Instruksikan 32B | huggingface-llm-qwen2-5-32b-instruct | ✓ | ✓ | ✓ |
| Alibaba | Qwen2.5 Instruksikan 14B | huggingface-llm-qwen2-5-14b-instruct | ✓ | ✓ | ✓ |
| Alibaba | Qwen2.5 Instruksikan 7B | huggingface-llm-qwen2-5-7b-instruct | ✓ | ✓ | ✓ |
| DeepSeek | R1 Distilasi Qwen 32B | deepseek-llm-r1-distill-qwen-32b | ✓ | ✓ | ✓ |
| DeepSeek | R1 Distilasi Qwen 14B | deepseek-llm-r1-distill-qwen-14b | ✓ | ✓ | ✓ |
| DeepSeek | R1 Distilasi Qwen 7B | deepseek-llm-r1-distill-qwen-7b | ✓ | ✓ | ✓ |
| DeepSeek | R1 Distilasi Qwen 1.5B | deepseek-llm-r1-distill-qwen-1-5b | ✓ | ✓ | ✓ |
| DeepSeek | R1 Distilasi Llama 70B | deepseek-llm-r1-distill-llama-70b | ✓ | ✓ | ✓ |
| DeepSeek | R1 Distilasi Lama 8B | deepseek-llm-r1-distill-llama-8b | ✓ | ✓ | ✓ |
| Google | Gemma 4 31B | huggingface-vlm-gemma-4-31b-it | ✓ | ✓ | ✓ |
| Google | Gemma 4 26B A4B | huggingface-vlm-gemma-4-26b-a4b-it | ✓ | ✓ | ✓ |
| Google | Gemma 4 E4B | huggingface-vlm-gemma-4-e4b-it | ✓ | ✓ | ✓ |
| Meta | Llama 3.3 Instrukt 70B | meta-textgeneration-llama-3-3-70b-instruct | ✓ | ✓ | ✓ |
| Meta | Llama 3.2 Instruksi 3B | meta-textgeneration-llama-3-2-3b-instruct | ✓ | ✓ | ✓ |
| Meta | Llama 3.2 Instruksi 1B | meta-textgeneration-llama-3-2-1b-instruct | ✓ | ✓ | ✓ |
| Meta | Llama 3.1 Instruksi 8B | meta-textgeneration-llama-3-1-8b-instruct | ✓ | ✓ | ✓ |
| NVIDIA | Nemotron 3 Super 120B (A12B) | huggingface-llm-nvidia-nemotron-3-super-120b-a12b-bf16 | ✓ | ✓ | ✓ |
| NVIDIA | Nemotron 3 Nano 30B (A3B) | huggingface-reasoning-nvidia-nemotron-3-nano-30b-a3b-bf16 | ✓ | ✓ | ✓ |
| OpenAI | GPT OSS 120B | openai-reasoning-gpt-oss-120b | ✓ | ✓ | ✓ |
| OpenAI | GPT OSS 20B | openai-reasoning-gpt-oss-20b | ✓ | ✓ | ✓ |
Untuk model Amazon Nova, lihat panduan Nova di bawah[Kustomisasi model tanpa server](customize-model.md).