Snowflake、Cortex Trainingの公開プレビュー開始
- •Snowflakeが、オープンウェイトモデルをカスタマイズしてデプロイできるサーバーレスサービスの公開プレビューを開始
- •LoRA学習ベンチマークで、競合するサーバーレス学習APIより最大61％低コストとSnowflakeが発表
- •教師あり微調整、強化学習、独自の学習ループ、モデル評価、OpenAI互換の推論エンドポイントに対応
Snowflakeは2026年11月3日、Cortex Trainingの公開プレビューを開始しました。このサーバーレスサービスでは、チームが使い慣れた学習フレームワークや独自の学習ループを使ってオープンウェイトの大規模言語モデルをカスタマイズし、デプロイできます。GPUの確保、スケジューリング、分散実行、チェックポイント管理はSnowflakeが担います。Snowflakeによると、ベンチマークではTinkerなど競合するサーバーレス学習APIより最大61％低コストでした。比較には2026年10月22日公表の価格と、H200 GPUあたりの処理量を測定したLoRA教師あり微調整の作業が使われました。
Cortex Trainingは、教師あり微調整（SFT）、強化学習（RL）、直接選好最適化（DPO）、蒸留、継続事前学習、中間学習に対応します。LoRAまたは全パラメーター学習を選べ、Hugging Face TRL、PrimeRL、veRL、SkyRLなどのフレームワークを利用できます。より細かなサーバーレスAPIでは、上級チームが独自の損失関数、モデル構造、学習ループを定義できます。基盤となるArctic Platformはオープンソースで、GPU関連コードの確認や変更への貢献が可能です。
Snowflakeによると、同社のプラットフォームはモデルのベンチマーク、カスタマイズ、チェックポイント評価から、OpenAI互換の推論エンドポイントを通じたデプロイまでを支援します。チームはSnowflakeのデータプラットフォーム、Cortex AI Functions、SQL、Snowparkを使い、企業の構造化データと非構造化データを学習用に準備できます。Cortex AI Gatewayはエージェントの実行記録、ログ、やり取りを収集でき、チームはアプリの成果や人間からのフィードバックと組み合わせ、SFT、選好最適化、RL用データを整えられます。
役割ベースのアクセス制御は学習データ、学習、デプロイ、推論を対象とし、データ、モデルの重み、オプティマイザーの状態はSnowflakeの管理環境に保管されます。対話型アプリやエージェント向けのストリーミング推論には専用GPUエンドポイントを使え、バッチ推論にも対応します。SnowflakeはGPU稼働時間に応じた課金のため、学習が速くなると費用も下がると説明しています。
ResolveAIの研究責任者ショーン・ベル(Sean Bell)は、同社のAI SREエージェントには数百台から1,000台を超えるGPUで長時間の学習を行う必要があり、Cortex TrainingのサーバーレスAPIによってインフラを管理せずにその規模で運用できると述べました。OpenHandsの研究者ジェフ・マー(Jeff Ma)とパリンタパット・ペンプン(Parinthapat Pengpun)は、以前は自社の学習クラスターの管理やデバッグに数日から数週間を費やしていましたが、Cortex Trainingでは好みのフレームワークを変えず、時間の100％を実験と学習に充てられると話しました。Snowflakeの研究者ボイ・リウ(Boyi Liu)によると、Arctic-SWEを含む同社のソフトウェアエンジニアリングエージェントは、Cortex Trainingをバックエンドとしてprime-rlを利用しています。