Les modèles granite-speech-4.1-2b, kanana-2-30b-a3b-instruct et OpenFold3 sont désormais disponibles sur Amazon SageMaker JumpStart
Les modèles granite-speech-4.1-2b de BM, kanana-2-30b-a3b-instruct de Kakao et OpenFold3 d’OpenFold Consortium sont désormais disponibles sur Amazon SageMaker JumpStart, élargissant ainsi le portefeuille de modèles de fondation proposés aux clients AWS. Ces trois modèles apportent des fonctionnalités spécialisées couvrant la reconnaissance vocale multilingue, l'IA agentique bilingue et la prédiction de la structure biomoléculaire, permettant aux clients de déployer des solutions d'IA mises à l’échelle et performantes sur l'infrastructure AWS.
Ces modèles répondent aux différents défis de l’IA d’entreprise grâce à des fonctionnalités spécialisées :
Le granite-speech-4.1-2b est spécialement conçu pour la reconnaissance vocale automatique (ASR) multilingue et la traduction vocale bidirectionnelle (AST) en français, anglais, allemand, espagnol, portugais et japonais. Ce modèle de langage vocal compact à 2 milliards de paramètres offre un taux d'erreur de mot de 5,33 % avec un facteur en temps réel d'environ 231, ce qui en fait l'un des modèles ASR les plus efficaces de sa catégorie. Publié sous Apache 2.0, il s'intègre parfaitement aux flux de travail vocaux d'entreprise pour la transcription, la traduction et le traitement audio à grande échelle.
Le kanana-2-30b-a3b-instruct excelle dans le suivi d'instructions bilingues coréen-anglais et dans les flux de travail d'IA agentique. Développé par Kakao, il adopte une architecture de pointe intégrant l'attention latente multi-têtes (MLA) et le mélange d’experts (MoE), activant seulement 3 de ses 30 milliards de paramètres au total par passe avant pour un débit supérieur. Après avoir été formé grâce à un peaufinage supervisé et à un apprentissage par renforcement, il prend en charge jusqu'à 128 000 jetons via la mise à l'échelle YaRN et est conçu pour fonctionner comme un collaborateur IA, qui comprend le contexte et agit de manière proactive.
L’OpenFold3 permet de prédire la structure complexe biomoléculaire de tous les atomes pour les protéines, l'ADN, l'ARN et les ligands à petites molécules. Développé par OpenFold Consortium et le laboratoire AlQuraishi de l'université de Columbia, ce modèle basé sur la diffusion étend la prédiction de structure au-delà des protéines simples pour modéliser des complexes multichaînes et des interactions biomoléculaires hétérogènes. Il prend en charge la conception de médicaments assistée par ordinateur et est applicable dans les laboratoires de recherche universitaires et pharmaceutiques.
Avec SageMaker JumpStart, les clients peuvent déployer n’importe lequel de ces modèles en quelques clics pour répondre à leurs cas d’utilisation spécifiques de l’IA.
Pour commencer à utiliser ces modèles, accédez au catalogue de modèles SageMaker JumpStart dans la console SageMaker ou utilisez le kit SDK Python de SageMaker pour déployer les modèles sur votre compte AWS. Pour en savoir plus sur le déploiement et l’utilisation de modèles de base dans SageMaker JumpStart, consultez la documentation relative à Amazon SageMaker JumpStart.