Los modelos Gemma 4 ya están disponibles en Amazon SageMaker JumpStart
Hoy, AWS anunció la disponibilidad de Gemma 4 E4B, Gemma 4 26B-A4B y Gemma 4 31B en Amazon SageMaker JumpStart, lo que amplía la cartera de modelos fundacionales disponibles para los clientes de AWS. Estos tres modelos adaptados a las instrucciones de Google DeepMind ofrecen capacidades multimodales con razonamiento configurable, llamadas a funciones nativas y compatibilidad multilingüe con más de 140 idiomas. Esto permite a los clientes crear aplicaciones de IA sofisticadas para diversos casos de uso en la infraestructura de AWS.
Los tres modelos comparten un conjunto común de capacidades que abordan una amplia gama de casos de uso de IA empresarial:
Pensamiento: modo de razonamiento incorporado que permite al modelo pensar paso a paso antes de responder.
Comprensión de imágenes: detección de objetos, análisis de documentos y PDF, comprensión de la pantalla y la interfaz de usuario, comprensión de gráficos, OCR (incluido multilingüe) y reconocimiento de escritura a mano.
Comprensión de video: análisis del contenido del video mediante el procesamiento de secuencias de fotogramas.
Entrada multimodal intercalada: combinación libre de texto e imágenes en cualquier orden con una sola petición.
Llamadas a funciones: compatibilidad nativa con el uso estructurado de herramientas, que permite flujos de trabajo basados en agentes.
Codificación: generación, finalización y corrección de código
Multilingüe: compatibilidad inmediata con más de 35 idiomas, con entrenamiento previo en más de 140 idiomas.
Los clientes pueden elegir el modelo que mejor se adapte a su carga de trabajo: la Gemma 4 E4B también admite la entrada de audio para el reconocimiento automático de voz (ASR) y la traducción de voz a texto en varios idiomas.
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, vaya a la sección Modelos de SageMaker Studio 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.