Les modèles Muse-Glimmer-30B et Qwen 3.8-27B sont désormais disponibles sur Amazon SageMaker JumpStart
Les modèles Muse-Glimmer-30B de Meta et Qwen 3.8-27B d’Alibaba sont désormais disponibles sur Amazon SageMaker JumpStart, élargissant ainsi le portefeuille de modèles de fondation proposés aux clients AWS. Ces deux modèles apportent des fonctionnalités spécialisées couvrant les flux de travail agentiques, autonomes, locaux et le raisonnement multimodal à long terme, permettant aux clients de déployer des solutions d’IA évolutives et performantes sur l’infrastructure AWS.
Ces modèles répondent aux différents défis de l’IA d’entreprise grâce à des fonctionnalités spécialisées :
Le Muse-Glimmer-30B est conçu pour les tâches agentiques autonomes avec un raisonnement en plusieurs étapes, l’utilisation d’outils et la restauration en cas d’échec. Ce modèle dense de 30 B paramètres du Meta Superintelligence Lab combine un encodeur de perception dédié d’environ 1,8 B VIT-G/14 avec des entrées de texte et d’image entrelacées, une fenêtre contextuelle de plus de 131 000 et une force de raisonnement sélectionnable (faible à très élevée). Publié sous Apache 2.0, il gère les appels d’outils séquentiels, se rétablit en cas de panne et fonctionne entièrement sans infrastructure cloud, ce qui est idéal pour les agents d’entreprise actifs en permanence.
Qwen 3.8-27B excelle dans le codage, les tâches agentiques en plusieurs étapes et la compréhension multimodale du texte, des images et des vidéos. Modèle de langage de vision natif dense à 27 B paramètres avec une fenêtre contextuelle de 262 000 (extensible à environ 1 million via la mise à l’échelle YaRN), il offre des gains substantiels par rapport à son prédécesseur grâce à des niveaux d’effort de raisonnement ajustables. Avec un score de 61,7 sur SWE-bench Pro et une capacité d’environ 17 Go quantifiés, il exécute des tâches complexes en plusieurs étapes avec une fiabilité accrue.
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.