El modelo Nemotron 3.5 Super VL ya está disponible en Amazon SageMaker JumpStart
Nemotron 3.5 Super VL de NVIDIA ya está disponible en Amazon SageMaker JumpStart, lo que amplía la cartera de modelos fundacionales disponibles para los clientes de AWS. Este modelo de lenguaje visual de la familia Nemotron 3.5 acepta imágenes, vídeos y texto como entrada y genera texto, lo que permite a los clientes implementar soluciones de IA multimodales en la infraestructura de AWS.
Nemotron 3.5 Super VL está diseñado para aplicaciones de inteligencia documental, comprensión de GUI, respuestas a preguntas en vídeo y agénticas multimodales. Combina una red troncal de lenguajes híbridos de mezcla de expertos (MoE) de 120 000 millones de parámetros con 12 000 millones de parámetros activos y un codificador de visión, que admite longitudes de contexto de hasta 1 millón de tokens. El modelo incluye un cabezal de predicción multitoken (MTP) integrado para la decodificación especulativa a fin de acelerar la generación de texto, con un razonamiento configurable por solicitud. Es compatible con diez idiomas, incluidos inglés, francés, español, alemán, japonés, hindi, coreano y chino. Tras un entrenamiento posterior con un refinamiento detallado supervisado multimodal de datos de imágenes, vídeos, documentos, gráficos y GUI, seguido de un aprendizaje reforzado con GRPO, ofrece resultados JSON estructurados, llamadas a herramientas y razonamiento configurable para los flujos de trabajo de los agentes empresariales. SageMaker JumpStart ofrece dos variantes: NVFP4 para una inferencia optimizada en instancias G7 con GPU NVIDIA RTX PRO 4500 Blackwell Server Edition y pesos de referencia BF16 en ml.p5en.48xlarge para la personalización, incluida SFT, RL, destilación y adaptación de dominios.
Con SageMaker JumpStart, los clientes pueden desplegar Nemotron 3.5 Super VL con apenas 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.