Google Vertex AI
面向受支持的 Google 模型的托管调优，可用的模型与方法由 Google 公布。
查看当前支持情况微调指南
云端微调
比较托管式模型定制 API 与可配置的 GPU 训练作业。当前的模型、区域、配额、留存、导出和价格细节，都应纳入采购决策。
OpenAI 的可用性发生了变化
OpenAI 于 2026 年 5 月 8 日宣布逐步关停其微调平台：不再向新用户开放，现有用户有一段过渡期，微调后的模型也只在其基座模型停止支持之前可用。不要依据较早的 OpenAI 微调教程来设计新项目。
阅读 OpenAI 的官方说明Amazon Bedrock
面向一份随区域变化的基础模型清单的托管定制。存储、IAM、加密和服务方式的选择仍由你负责。
查看当前支持情况Microsoft Foundry
托管以及托管算力两种调优路径，其模型与区域可用性需在当前目录中核对。
查看当前支持情况托管 API 还是 GPU 作业？
托管式定制 API
- • 需要自己运维的基础设施更少
- • 可选的模型、方法和超参数有限
- • 确认权重或适配器是否可以导出
- • 线上服务可能绑定在厂商特定的容量和生命周期上
可配置的 GPU 训练作业
- • 对模型、代码、产物和拓扑有更多控制权
- • 依赖、检查点、重试和安全设计都由你自己负责
- • 只有作业能安全续跑时，抢占式算力才有帮助
- • 空闲时间、存储、日志、出网流量和线上服务都会叠加到算力成本上
做一份最新的成本估算
用一次小规模试点测量每秒词元数和显存峰值。估算训练、失败的尝试、检查点存储、评估推理、部署容量、数据传输和工程时间。在真正投入预算之前，重新核对报价。
价格来源和获取日期都已记录。
区域、加速器、精度和预留方面的假设都写清楚了。
已计入中断和检查点频率。
估算覆盖了基座加适配器、或合并后模型的线上服务。