Modelle Muse-Glimmer-30B und Qwen 3.8-27B jetzt auf Amazon SageMaker JumpStart verfügbar
Die Modelle Muse-Glimmer-30B und Alibaba Qwen 3.8-27B von Meta sind jetzt auf Amazon SageMaker JumpStart verfügbar und erweitern damit das Portfolio der Foundation-Modelle, die AWS-Kunden zur Verfügung stehen. Diese beiden Modelle bieten spezielle Funktionen, die autonome Workflows lokaler Agenten und multimodales Denken mit langem Horizont umfassen, sodass Kunden leistungsstarke, skalierbare KI-Lösungen auf der AWS-Infrastruktur bereitstellen können.
Diese Modelle adressieren verschiedene Herausforderungen an Unternehmens-KI mit speziellen Funktionen:
Muse-Glimmer-30B wurde für autonome Agentenaufgaben mit mehrstufigem Reasoning, Werkzeugeinsatz und Notfallwiderherstellung entwickelt. Dieses dichte Modell mit 30 B-Parametern von Meta Superintelligence Lab kombiniert einen speziellen Wahrnehmungsencoder mit ~1,8 B Vit-G/14 mit verschachtelten Text- und Bildeingaben, einem Kontextfenster von über 131 KB und wählbarer Denkstärke (niedrig bis extrahoch). Es wurde unter Apache 2.0 veröffentlicht, verarbeitet sequentielle Tool-Aufrufe, erholt sich nach Ausfällen und arbeitet vollständig ohne Cloud-Infrastruktur, was ideal für ständig aktive Unternehmensagenten ist.
Qwen 3.8-27B zeichnet sich durch Codierung, mehrstufige agentische Aufgaben und multimodales Verständnis von Text, Bildern und Video aus. Es ist ein dichtes natives Vision-Sprachmodell mit 27 B-Parametern und einem 262K-Kontextfenster (erweiterbar auf ~1 M über YARn-Skalierung). Es bietet erhebliche Vorteile gegenüber seinem Vorgänger mit einstellbarem Reasoning. Mit einer Punktzahl von 61,7 Punkten auf SWE-Bench Pro und einer quantisierten Kapazität von ~17 GB erledigt es komplexe, mehrstufige Aufgaben mit höherer Zuverlässigkeit.
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.