Ya están disponibles en Amazon SageMaker JumpStart cinco nuevos modelos de Qwen para agentes de codificación y razonamiento eficiente
Hoy, AWS anunció la disponibilidad de Qwen3-Coder-Next, Qwen3-30B-A3B, Qwen3-30B-A3B-Thinking-2507, Qwen3-Coder-30B-A3B-Instruct y Qwen3.5-4B en Amazon SageMaker JumpStart, lo que amplía la cartera de modelos básicos disponibles para los clientes de AWS. Estos cinco modelos de Qwen ofrecen capacidades especializadas que abarcan la codificación de agentes, el razonamiento eficiente, el pensamiento ampliado y la comprensión multimodal, lo que permite a los clientes crear aplicaciones de IA sofisticadas para diversos casos de uso en la infraestructura de AWS.
Estos modelos abordan diferentes desafíos de la IA empresarial con capacidades especializadas:
Qwen3-Coder-Next se destaca en el razonamiento a largo plazo, el uso de herramientas complejas y la recuperación de errores de ejecución, lo que lo hace ideal para alimentar agentes de codificación en plataformas CLI/IDE.
Qwen3-30B-A3B admite de forma exclusiva la conmutación perfecta entre los modos de pensar y no pensar, lo que lo hace ideal para tareas de asistente de uso general, como el diálogo multilingüe, el razonamiento matemático y la llamada de herramientas.
Qwen3-30B-A3B-Thinking-2507 ofrece un rendimiento significativamente mejorado en tareas de razonamiento complejo en matemáticas, ciencias y codificación, con una mejor comprensión del contexto largo.
Qwen3-Coder-30B-A3B-Instruct está diseñado para flujos de trabajo de codificación de agentes con un formato de llamada a funciones personalizado y una comprensión del contexto a escala de depósito.
Qwen3.5-4B admite la capacitación unificada en lenguaje visual y 201 idiomas, lo que lo hace ideal para implementaciones multimodales ligeras.
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.