Exowatt利用SageMaker无服务器模型定制在准确性上超越前沿模型
aws ·
Exowatt 成功利用 Amazon SageMaker AI 无服务器模型定制功能，为其太阳能基础设施创建了专用 AI 代理，在准确率上超越了前沿模型，同时显著降低了成本。该公司开发了两种不同的微调模型：用于边缘端警报分诊的 Qwen3-1.7B 变体和用于云端能源市场分析的 Qwen3-14B 变体。通过利用无服务器训练，Exowatt 消除了对手动 GPU 配置的需求，使其能够快速迭代并在数天而非数月内部署生产就绪的模型。边缘模型在现有 CPU 硬件上离线运行，无需连接或推理成本即可实现 0.911 的宏 F1 分数。与此同时，云端模型以比 Claude Opus 4.7 等领先专有模型低约 49 倍的每千次回答成本，实现了 0.975 的宏 F1 分数。这种方法表明，当使用高质量、精心策划的数据进行训练时，较小且针对特定任务微调的模型可以超越较大的通用模型。由此产生的流水线提供了一条可重复的路径，能够从原始运营数据生成经过认证的部署工件，适用于受限的边缘环境和弹性云工作负载。
aws