Los modelos Muse-Glimmer-30B y Qwen 3.8-27B ya están disponibles en Amazon SageMaker JumpStart
Los modelos Muse-Glimmer-30B de Meta y Qwen 3.8-27B de Alibaba ya están disponibles en Amazon SageMaker JumpStart, lo que amplía la cartera de modelos básicos disponibles para los clientes de AWS. Estos dos modelos ofrecen capacidades especializadas que abarcan los flujos de trabajo agenciales autónomos locales y el razonamiento multimodal a largo plazo, lo que permite a los clientes implementar soluciones de IA escalables y de alto rendimiento en la infraestructura de AWS.
Estos modelos abordan diferentes desafíos de la IA empresarial con capacidades especializadas:
Muse-Glimmer-30B está diseñado para tareas agenciales autónomas con razonamiento de varios pasos, uso de herramientas y recuperación de errores. Este modelo denso de 30 000 millones de parámetros de Meta Superintelligence Lab combina un codificador de percepción Vit-G/14 dedicado de aproximadamente 1,8 B con entradas de texto e imagen intercaladas, una ventana de contexto de más de 131 000 y una fuerza de razonamiento seleccionable (de baja a extra alta). Lanzado con Apache 2.0, gestiona llamadas secuenciales a las herramientas, se recupera de fallos y funciona completamente sin infraestructura en la nube, lo que es ideal para los agentes empresariales siempre activos.
Qwen 3.8-27B se destaca en la codificación, las tareas de agencia de varios pasos y la comprensión multimodal de texto, imágenes y vídeos. Es un modelo denso de lenguaje visual nativo de 27 000 millones de parámetros con una ventana de contexto de 262 000 (ampliable a aproximadamente 1 millón mediante el escalado de YaRN), que ofrece ventajas sustanciales con respecto a su predecesor, con niveles de esfuerzo de razonamiento ajustables. Con una puntuación de 61,7 en SWE-Bench Pro y un funcionamiento cuantificado de aproximadamente 17 GB, lleva a cabo tareas complejas de varios pasos hasta su finalización con mayor fiabilidad.
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.