Model Muse-Glimmer-30B dan Qwen 3.8-27B kini tersedia di Amazon SageMaker JumpStart
Model Muse-Glimmer-30B dari Meta dan Qwen 3.8-27B dari Alibaba kini tersedia di Amazon SageMaker JumpStart, memperluas portofolio model dasar yang dapat diakses oleh pelanggan AWS. Kedua model ini menghadirkan kapabilitas khusus yang mencakup alur kerja agentik lokal otonom dan penalaran multimodal berjangkauan panjang, sehingga memungkinkan pelanggan untuk menerapkan solusi AI berkinerja tinggi dan dapat diskalakan pada infrastruktur AWS.
Model-model ini mengatasi berbagai tantangan AI korporasi dengan kemampuan khusus:
Muse-Glimmer-30B dirancang untuk tugas agen otonom yang melibatkan penalaran multi-tahap, penggunaan tool, dan pemulihan dari kegagalan. Model padat 30B parameter dari Meta Superintelligence Lab ini menggabungkan encoder persepsi ViT-G/14 khusus berukuran ~1,8B dengan input teks dan gambar yang saling terkait, jendela konteks 131K+, dan kekuatan penalaran yang dapat dipilih (rendah hingga sangat tinggi). Dirilis di bawah lisensi Apache 2.0, sistem ini menangani pemanggilan tool secara berurutan, memulihkan diri dari kegagalan, dan beroperasi sepenuhnya tanpa infrastruktur cloud, menjadikannya ideal bagi agen perusahaan yang harus selalu aktif.
Qwen 3.8-27B unggul dalam pemrograman, tugas-tugas agentik yang melibatkan banyak langkah, serta pemahaman multimodal yang mencakup teks, gambar, dan video. Model bahasa-visi asli dengan 27B parameter yang padat dan jendela konteks 262K (dapat diperluas hingga ~1M melalui penskalaan YaRN), model ini memberikan peningkatan substansial dibandingkan pendahulunya dengan tingkat upaya penalaran yang dapat disesuaikan. Dengan skor 61,7 pada SWE-bench Pro dan berjalan pada sekitar ~17GB terkuantisasi, ia mampu menyelesaikan tugas-tugas kompleks multi-langkah dengan keandalan yang lebih tinggi.
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.