As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Personalização do modelo A personalização do modelo de SageMaker IA da Amazon permite que você adapte os modelos básicos ao seu caso de uso específico, treinando-os em seus dados. Você escolhe uma técnica de * personalização * (como o modelo aprende), um tipo de * treinamento * (quanto do modelo deve ser atualizado) e uma opção de * infraestrutura * (onde executar o trabalho). ## Visão geral do **As técnicas de personalização ** definem * como * seu modelo aprende com os dados: + **SFT ** (supervisionado Fine-Tuning) — Treine em pares rotulados de resposta rápida. Consulte [SFT](customizing-models-sft.md). + **DPO ** (Direct Preference Optimization) — Treine com pares de respostas preferenciais versus rejeitadas. Consulte [DPO](customizing-models-dpo.md). + **RFT ** (reforço Fine-Tuning) — Otimize por meio de sinais de recompensa (RLVR ou RLAIF). Consulte [RFT](customizing-models-rft.md). + **MTRL ** (Multi-Turn Reinforcement Learning) — Treine agentes para tarefas agentes de várias etapas. Consulte [Multi-turn aprendizagem por reforço](model-customize-mtrl.md). + **Personalização contínua ** — Encadeie técnicas sequencialmente. Consulte [Personalização contínua](customizing-models-continuous.md). **Os tipos de treinamento ** determinam * quanto * do modelo deve ser atualizado: + **LoRA**(Low-Rank Adaptação) — Treina um pequeno conjunto de pesos do adaptador. Treinamento mais rápido e de menor custo. Consulte [LoRa](customizing-models-lora.md). + **FFT ** (Completo Fine-Tuning) — Atualiza todos os pesos do modelo. Maior computação, maior personalização. Consulte [FFT](customizing-models-fft.md). **As opções de infraestrutura ** controlam * onde * seu trabalho de treinamento é executado: + **Sem servidor ** — totalmente gerenciado, sem seleção de instâncias. Ideal para trabalhos rápidos de experimentação e produção sem sobrecarga operacional. Consulte [Personalização de modelos sem servidor](customize-model.md). + **SageMaker Empregos de treinamento em IA ** — trabalhos temporários em que você seleciona o tipo de instância. Usa ** receitas ** para treinamento pré-configurado. Consulte [SageMaker Empregos de treinamento em IA](customizing-models-training-jobs.md). + **HyperPod**— Clusters persistentes com recuperação de falhas. Usa ** receitas ** para treinamento distribuído no EKS ouSlurm. Consulte [HyperPod](customizing-models-hyperpod.md). ## Escolhendo sua abordagem Antes de fazer o ajuste fino, considere se uma abordagem mais simples atende às suas necessidades: Engenharia de prompts Seu modelo fornece respostas aceitáveis, mas precisa de melhor tom, formato ou estilo. Não é necessário treinamento — iteração rápida. Consulte Engenharia [ imediata para modelos de fundação](https://docs.aws.amazon.com/sagemaker/latest/dg/jumpstart-foundation-models-customize-prompt-engineering.html). RAG (geração aumentada via recuperação) Seu modelo carece de conhecimento sobre seu domínio específico. Amplie com fontes de conhecimento externas sem necessidade de reciclagem. Veja [geração aumentada via recuperação](https://docs.aws.amazon.com/sagemaker/latest/dg/jumpstart-foundation-models-customize-rag.html). Fine-tuning Seu modelo precisa aprender consistentemente novos comportamentos, estilos ou conhecimentos de domínio. Treine seus dados para alterar os pesos do modelo. Continue lendo este guia. ## Modelos compatíveis para ajuste fino Os modelos a seguir estão disponíveis para personalização sem servidor, trabalhos de treinamento de SageMaker IA e infraestrutura. HyperPod | Fornecedor | Modelo | ID do modelo | Sem servidor | Empregos de treinamento | 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 | Qwen 3 32B | huggingface-reasoning-qwen3-32b | ✓ | ✓ | ✓ | | Alibaba | Qwen 3 14B | huggingface-reasoning-qwen3-14b | ✓ | ✓ | ✓ | | Alibaba | Qwen 3 8B | huggingface-reasoning-qwen3-8b | ✓ | ✓ | ✓ | | Alibaba | Qwen 3 4B | huggingface-reasoning-qwen3-4b | ✓ | ✓ | ✓ | | Alibaba | Qwen3 1.7B | huggingface-reasoning-qwen3-1-7b | ✓ | ✓ | ✓ | | Alibaba | Qwen3 0,6B | huggingface-reasoning-qwen3-06b | ✓ | ✓ | ✓ | | Alibaba | Qwen2.5 Instrua 72B | huggingface-llm-qwen2-5-72b-instruct | ✓ | ✓ | ✓ | | Alibaba | Qwen2.5 Instrua 32B | huggingface-llm-qwen2-5-32b-instruct | ✓ | ✓ | ✓ | | Alibaba | Qwen2.5 Instrua 14B | huggingface-llm-qwen2-5-14b-instruct | ✓ | ✓ | ✓ | | Alibaba | Qwen2.5 Instrua 7B | huggingface-llm-qwen2-5-7b-instruct | ✓ | ✓ | ✓ | | DeepSeek | Destilador E1 Qwen 32B | deepseek-llm-r1-distill-qwen-32b | ✓ | ✓ | ✓ | | DeepSeek | Destilador E1 Qwen 14B | deepseek-llm-r1-distill-qwen-14b | ✓ | ✓ | ✓ | | DeepSeek | Destilador E1 Qwen 7B | deepseek-llm-r1-distill-qwen-7b | ✓ | ✓ | ✓ | | DeepSeek | Destilador E1 Qwen 1.5B | deepseek-llm-r1-distill-qwen-1-5b | ✓ | ✓ | ✓ | | DeepSeek | R1 Destill Lhama 70B | deepseek-llm-r1-distill-llama-70b | ✓ | ✓ | ✓ | | DeepSeek | R1 Destill Lhama 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 Instruct 70B | meta-textgeneration-llama-3-3-70b-instruct | ✓ | ✓ | ✓ | | Meta | Llama 3.2 Instruct 3B | meta-textgeneration-llama-3-2-3b-instruct | ✓ | ✓ | ✓ | | Meta | Lhama 3.2 Instrução 1B | meta-textgeneration-llama-3-2-1b-instruct | ✓ | ✓ | ✓ | | Meta | Llama 3.1 Instruct 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 | PERDA DE GPT 120G | openai-reasoning-gpt-oss-120b | ✓ | ✓ | ✓ | | OpenAI | GPT LOSS 20B | openai-reasoning-gpt-oss-20b | ✓ | ✓ | ✓ | Para modelos Amazon Nova, veja o passo a passo da Nova abaixo. [Personalização de modelos sem servidor](customize-model.md)