本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 使用 OpenAI相容的 APIs 微調開放權重模型
<a name="fine-tuning-openai-apis"></a>

Amazon Bedrock 為微調基礎模型提供OpenAI相容的 API 端點。這些端點可讓您使用熟悉的 OpenAI SDK 和工具，透過 Amazon Bedrock 模型建立、監控和管理微調任務。 SDKs 此頁面會反白使用這些 APIs 進行強化微調。

## 關鍵功能
<a name="fine-tuning-openai-key-capabilities"></a>
+ **上傳訓練檔案** – 使用檔案 API 上傳和管理訓練資料以進行微調任務
+ **建立微調任務** – 使用自訂訓練資料和獎勵函數開始微調任務
+ **列出和擷取任務** – 檢視所有微調任務，並取得特定任務的詳細資訊
+ **監控任務事件** – 透過詳細的事件日誌追蹤微調進度
+ **存取檢查點** – 擷取訓練期間建立的中繼模型檢查點
+ **立即推論** – 微調完成後，透過 Amazon Bedrock 的 OpenAI 相容 APIs （回應/聊天完成 API)，使用產生的微調模型進行隨需推論，而無需額外的部署步驟
+ **輕鬆遷移** – 與現有的 OpenAI SDK 程式碼庫相容

## 開放式加權模型的強化微調工作流程
<a name="fine-tuning-openai-workflow"></a>

在微調之前，請確保您有先決條件，因為 Amazon Bedrock 需要特定許可來建立和管理微調程序。如需完整的安全性和許可資訊，請參閱 [開放權重模型的存取和安全性](rft-open-weight-access-security.md)。

以 5 個步驟對開放加權模型執行強化微調：

1. **上傳訓練資料集** – 使用檔案 API 以必要格式 （例如 JSONL) 上傳提示，並將「微調」作為強化微調訓練資料集。如需詳細資訊，請參閱[準備開放權重模型的資料](rft-prepare-data-open-weight.md)。

1. **設定獎勵函數** – 定義評分器，以根據 Lambda 函數的正確性、結構、色調或其他目標來評分模型回應。如需詳細資訊，請參閱[設定開放權重模型的獎勵函數](reward-functions-open-weight.md)。

1. **建立微調任務** – 透過指定基礎模型、資料集、獎勵函數和其他選用設定，例如超參數，使用 OpenAI相容的 API 啟動強化微調任務。如需詳細資訊，請參閱[建立微調任務](fine-tuning-openai-job-create.md#fine-tuning-openai-create-job)。

1. **監控訓練進度** – 使用微調任務 APIs 追蹤任務狀態、事件和訓練指標。如需詳細資訊，請參閱[列出微調事件](fine-tuning-openai-job-create.md#fine-tuning-openai-list-events)。存取中繼模型檢查點以評估不同訓練階段的效能，請參閱 [列出微調檢查點](fine-tuning-openai-job-create.md#fine-tuning-openai-list-checkpoints)。

1. **執行推論**：透過 Amazon Bedrock 的 OpenAI相容的回應或聊天完成 APIs，直接使用微調的模型 ID 進行推論。如需詳細資訊，請參閱[使用微調的模型執行推論](fine-tuning-openai-job-create.md#fine-tuning-openai-inference)。

## 支援的區域和端點
<a name="fine-tuning-openai-supported-regions"></a>

下表顯示支援OpenAI相容微調 APIs 的基礎模型和區域：


**相容OpenAI微調 APIs 支援的模型和區域**  

| 供應商 | 模型 | 模型 ID | 區域名稱 | 區域 | Endpoint | 
| --- | --- | --- | --- | --- | --- | 
| OpenAI | Gpt-oss-20B | openai.gpt-oss-20b | 美國西部 (奧勒岡) | us-west-2 | bedrock-mantle.us-west-2.api.aws | 
| Qwen | Qwen3 32B | qwen.qwen3-32b | 美國西部 (奧勒岡) | us-west-2 | bedrock-mantle.us-west-2.api.aws |