Les modèles de vectorisation et de reclassement Qwen3 pour la récupération sont désormais disponibles dans Amazon SageMaker JumpStart
AWS a annoncé aujourd’hui la disponibilité de Qwen3-VL-Embedding-2B et Qwen3-Reranker-4B dans Amazon SageMaker JumpStart, élargissant ainsi le portefeuille de modèles de fondation disponibles pour les clients AWS. Ces modèles de Qwen sont conçus pour la recherche d’informations et la compréhension intermodale, permettant aux clients de créer des pipelines de recherche complets sur l’infrastructure AWS. Les deux modèles sont généralement utilisés en tandem : le modèle de vectorisation effectue un rappel initial efficace, tandis que le reclasseur affine les résultats lors d’une étape de reclassement ultérieure.
Ces modèles abordent les différentes étapes du pipeline de récupération grâce à des fonctionnalités spécialisées :
Qwen3-VL-Embedding-2b accepte diverses entrées, notamment du texte, des images, des captures d’écran et des vidéos, ainsi que des entrées contenant un mélange de ces modalités, et génère des vecteurs sémantiquement riches, qui capturent des informations visuelles et textuelles dans un espace partagé. Il offre des performances pour diverses tâches multimodales telles que la récupération de texte et d’image, la correspondance vidéo-texte, la réponse visuelle aux questions et le regroupement de contenu multimodal, avec une prise en charge de plus de 30 langues.
Qwen3-Reranker-4B prend une paire de requêtes et de documents en entrée et génère un score de pertinence précis pour affiner les résultats de recherche. Il prend en charge la récupération de texte, la récupération de code, la classification de texte, le regroupement de textes et l’exploration de bitextes dans plus de 100 langues, avec des instructions définies par l’utilisateur pour améliorer les performances pour des tâches, des langues ou des scénarios spécifiques.
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 à la section Modèles de SageMaker Studio 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.