Exowatt微调Qwen3，两项任务准确率超前沿模型

Exowatt 使用 Amazon SageMaker AI 的无服务器模型定制功能，微调 Qwen3-1.7B 和 Qwen3-14B 两个模型，搭建了一条可复用的微调与部署流水线，用于边缘告警分流和云端能源市场分析两项任务。据 AWS 博客介绍，微调后的模型在这两项任务上的 macro-F1 分别为 0.911 和 0.975，都高于 Claude Sonnet 4.6 的 0.698 和 Claude Opus 4.7 的 0.625。 两类部署的适用条件不同。边缘侧使用量化模型，运行在站点现有的 CPU 上，不需要 GPU，也不需要联网；该文称，这种情况下每 1000 次决策的成本为 0 美元，不计量的 API 调用或 GPU 推理费用。该文还称，模型没有闲置成本，仅在运行时按每小时 6.86 美元计费。上述准确率和成本数字均出自该文，尚未经第三方验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。