Los modelos FLUX.2-small-decoder y gemma-4-12B-it ya están disponibles en Amazon SageMaker JumpStart
Los modelos Flux.2 Small-Decoder de Black Forest Labs y Gemma-4-12b-it de Google ya están disponibles en Amazon SageMaker JumpStart, lo que amplía la cartera de modelos fundacionales disponibles para los clientes de AWS. Estos dos modelos ofrecen capacidades especializadas que abarcan la generación eficiente de imágenes, la decodificación y la comprensión multimodal unificada, lo que permite a los clientes implementar soluciones de IA escalables y de alto rendimiento en la infraestructura de AWS.
El decodificador FLUX.2-small-decoder está optimizado para una decodificación de imágenes más rápida con un menor uso de VRAM en las canalizaciones de generación de imágenes FLUX.2. Es un decodificador VAE destilado que funciona como reemplazo directo del decodificador estándar de FLUX.2 y ofrece una velocidad de decodificación aproximadamente 1,4 veces mayor, con un consumo de VRAM 1,4 veces menor y una pérdida de calidad mínima o nula. Los beneficios aumentan con resoluciones más altas, donde el decodificador procesa más píxeles, lo que lo hace ideal para cargas de trabajo de generación de imágenes a escala para producción.
Gemma-4-12b-it destaca por su comprensión multimodal unificada de entradas de texto, imagen y audio, con soporte nativo para llamadas a funciones y flujos de trabajo agéntico. Presenta una arquitectura sin codificador, en la que todas las modalidades fluyen directamente hacia un único transformador que solo utiliza un decodificador, lo que ofrece un rendimiento cercano al del modelo MoE de Google, de mayor tamaño y 26 000 millones de parámetros, con menos de la mitad de consumo de memoria. Lo suficientemente compacto como para funcionar con 16 GB de RAM, permite experiencias multimodales y agénticas potentes para las implementaciones empresariales.
Con SageMaker JumpStart, los clientes pueden implementar cualquiera de estos modelos con solo unos clics para abordar sus casos de uso específicos de IA.
Para empezar a utilizar estos modelos, navegue hasta el catálogo de modelos JumpStart de SageMaker en la consola de SageMaker o utilice el SDK de Python de SageMaker para implementar los modelos en su cuenta de AWS. Para obtener más información sobre la implementación y el uso de modelos fundacionales en SageMaker JumpStart, consulte la documentación de Amazon SageMaker JumpStart.