Model FLUX.2-small-decoder dan gemma-4-12B-it kini tersedia di Amazon SageMaker JumpStart
Model FLUX.2-small-decoder dari Black Forest Labs dan gemma-4-12B-it dari Google kini tersedia di Amazon SageMaker JumpStart, memperluas portofolio model dasar yang tersedia bagi pelanggan AWS. Kedua model ini menghadirkan kemampuan khusus yang mencakup pembangkitan dan penguraian gambar yang efisien serta pemahaman multimodal terpadu, memungkinkan pelanggan untuk menerapkan solusi AI berkinerja tinggi dan skalabel pada infrastruktur AWS.
FLUX.2-small-decoder dioptimalkan untuk dekode gambar yang lebih cepat dengan penggunaan VRAM yang lebih rendah dalam pipeline pembuatan gambar FLUX.2. Ini adalah dekoder VAE yang telah disempurnakan dan berfungsi sebagai pengganti langsung untuk dekoder FLUX.2 standar, memberikan kecepatan decoding sekitar 1,4 kali lebih cepat dengan konsumsi VRAM 1,4 kali lebih rendah dan kehilangan kualitas minimal hingga nol. Manfaatnya meningkat pada resolusi yang lebih tinggi di mana dekoder memproses lebih banyak piksel, sehingga ideal untuk beban kerja pembuatan gambar tingkat produksi dalam skala besar.
gemma-4-12B-it unggul dalam pemahaman multimodal terpadu di seluruh input teks, gambar, dan audio dengan dukungan asli untuk pemanggilan fungsi dan alur kerja agentik. Fitur arsitekturnya adalah tanpa encoder, di mana semua modalitas mengalir langsung ke satu transformer khusus decoder, menghasilkan kinerja yang mendekati model MoE 26B milik Google dengan jejak memori kurang dari setengahnya. Cukup ringkas untuk dijalankan dengan RAM 16GB, perangkat ini memungkinkan pengalaman multimodal dan agentik yang canggih untuk deployment di lingkungan perusahaan.
Dengan SageMaker JumpStart, pelanggan dapat men-deploy salah satu model ini hanya dengan beberapa klik untuk mengatasi kasus penggunaan AI spesifik mereka.
Untuk memulai dengan model ini, navigasikan ke katalog model SageMaker JumpStart di konsol SageMaker atau gunakan SageMaker Python SDK untuk men-deploy model ke akun AWS Anda. Untuk informasi selengkapnya tentang men-deploy dan penggunaan model fondasi di SageMaker JumpStart, lihat dokumentasi Amazon SageMaker JumpStart.