I modelli FLUX.2-small-decoder e gemma-4-12B-it sono ora disponibili su Amazon SageMaker JumpStart
I modelli FLUX.2-small-decoder di Black Forest Labs e gemma-4-12B-it di Google sono ora disponibili su Amazon SageMaker JumpStart, ampliando il catalogo dei modelli di fondazione a disposizione dei clienti AWS. Questi due modelli offrono funzionalità specializzate che spaziano dalla decodifica efficiente nella generazione di immagini alla comprensione multimodale unificata, consentendo ai clienti di distribuire soluzioni di IA scalabili e ad alte prestazioni sull'infrastruttura AWS.
FLUX.2-small-decoder è ottimizzato per velocizzare la decodifica delle immagini con un minore utilizzo di VRAM nelle pipeline di generazione di immagini FLUX.2. Si tratta di un decoder VAE distillato che funge da sostituto drop-in del decoder FLUX.2 standard, offrendo una velocità di decodifica di circa 1,4 volte superiore e un consumo di VRAM ridotto di 1,4 volte, con una perdita di qualità minima o nulla. I vantaggi aumentano alle risoluzioni più elevate in cui il decoder elabora un numero maggiore di pixel, rendendo la soluzione ideale per carichi di lavoro di generazione di immagini su larga scala e di livello di produzione.
gemma-4-12B-it eccelle nella comprensione multimodale unificata di input di testo, immagini e audio, con supporto nativo per le chiamate di funzioni e i flussi di lavoro agentici. Presenta un'architettura priva di encoder in cui tutte le modalità confluiscono direttamente in un unico trasformatore decoder-only, offrendo prestazioni simili a quelle del modello MoE da 26 miliardi di parametri più grande di Google con meno della metà dell'ingombro di memoria. Abbastanza compatto da essere eseguito con 16 GB di RAM, consente di implementare efficaci esperienze multimodali e agentiche nelle distribuzioni aziendali.
SageMaker JumpStart consente ai clienti di distribuire uno qualsiasi di questi modelli con pochi clic per rispondere a specifici casi d'uso di IA.
Per iniziare, accedi al catalogo modelli di SageMaker JumpStart nella console SageMaker oppure utilizza l'SDK SageMaker Python per distribuire i modelli nell'account AWS. Per ulteriori informazioni sulla distribuzione e l'utilizzo dei modelli di fondazione in SageMaker JumpStart, consulta la documentazione di Amazon SageMaker JumpStart.