Modelle granite-speech-4.1-2b, kanana-2-30b-a3b-instruct und OpenFold3 jetzt auf Amazon SageMaker JumpStart verfügbar
Granite-Speech-4.1-2b von BM, Kanana-2-30b-a3b-instruct von Kakao und OpenFold3-Modelle des OpenFold Consortiums sind jetzt auf Amazon SageMaker JumpStart verfügbar und erweitern damit das Portfolio an Foundation-Modellen, das AWS-Kunden zur Verfügung steht. Diese drei Modelle bieten spezielle Funktionen, die mehrsprachige Spracherkennung, zweisprachige agentenbasierte KI und biomolekulare Strukturvorhersagen umfassen, sodass Kunden leistungsstarke, skalierbare KI-Lösungen auf der AWS-Infrastruktur bereitstellen können.
Diese Modelle adressieren verschiedene Herausforderungen an Unternehmens-KI mit speziellen Funktionen:
granite-speech-4.1-2b wurde speziell für die mehrsprachige automatische Spracherkennung und die bidirektionale Sprachübersetzung in Englisch, Französisch, Deutsch, Spanisch, Portugiesisch und Japanisch entwickelt. Dieses kompakte Sprachmodell mit 2 B-Parametern bietet eine Wortfehlerrate von 5,33 % bei einem Echtzeitfaktor von ~231 und ist damit eines der effizientesten ASR-Modelle seiner Klasse. Es wurde unter Apache 2.0 veröffentlicht und lässt sich nahtlos in die Sprachworkflows von Unternehmen für Transkription, Übersetzung und Audioverarbeitung in großem Maßstab integrieren.
kanana-2-30b-a3b-instruct zeichnet sich durch die Befolgung zweisprachiger koreanisch-englischer Anweisungen und durch agentenbasierte KI-Workflows aus. Es wurde von Kakao entwickelt und verwendet eine hochmoderne Architektur mit Multi-Head Latent Attention (MLA) und Mixture-of-Experts (MoE). Pro Vorwärtsdurchgang werden nur 3 GB der insgesamt 30 Milliarden Parameter aktiviert, um einen überragenden Durchsatz zu erzielen. Nach dem Training mit überwachter Feinabstimmung und verstärktem Lernen unterstützt es bis zu 128.000 Tokens per YARn-Skalierung und ist so konzipiert, dass es als KI-Support fungiert, der den Kontext versteht und proaktiv handelt.
OpenFold3 bietet die Vorhersage der biomolekularen komplexen Struktur aller Atome für Proteine, DNA, RNA und niedermolekulare Liganden. Dieses diffusionsbasierte Modell wurde vom OpenFold Consortium und dem AlQuraishi Lab der Columbia University entwickelt und erweitert die Strukturprognose über einzelne Proteine hinaus, um mehrkettige Komplexe und heterogene biomolekulare Interaktionen zu modellieren. Es unterstützt das computergestützte Arzneimitteldesign und ist in akademischen und pharmazeutischen Forschungslabors einsetzbar.
Mit SageMaker JumpStart können Kunden jedes dieser Modelle mit nur wenigen Klicks für ihre spezifischen KI-Anwendungsfälle bereitstellen.
Um mit diesen Modellen zu beginnen, navigieren Sie in der SageMaker-Konsole zum SageMaker JumpStart-Modellkatalog oder nutzen Sie das SageMaker-Python-SDK, um die Modelle in Ihrem AWS-Konto bereitzustellen. Weitere Informationen zur Bereitstellung und Verwendung von Foundation-Modellen in SageMaker JumpStart finden Sie in der Dokumentation zu Amazon SageMaker JumpStart.