I modelli granite-speech-4.1-2b, kanana-2-30b-a3b-instruct e OpenFold3 sono ora disponibili su Amazon SageMaker JumpStart
I modelli granite-speech-4.1-2b di IBM, kanana-2-30b-a3b-instruct di Kakao e OpenFold3 di OpenFold Consortium sono ora disponibili su Amazon SageMaker JumpStart, ampliando il portfolio di modelli di base a disposizione dei clienti AWS. Questi tre modelli offrono funzionalità specializzate che comprendono il riconoscimento vocale multilingue, l'IA agentica bilingue e la previsione delle strutture biomolecolari, consentendo ai clienti di distribuire soluzioni di intelligenza artificiale ad alte prestazioni e scalabili sull'infrastruttura AWS.
I modelli rispondono a diverse sfide dell'IA per le aziende con capacità dedicate:
granite-speech-4.1-2b è progettato appositamente per il riconoscimento vocale automatico multilingue (ASR) e la traduzione vocale bidirezionale (AST) in inglese, francese, tedesco, spagnolo, portoghese e giapponese. Questo modello di linguaggio vocale compatto da 2 miliardi di parametri offre un tasso di errore di parola del 5,33% con un fattore in tempo reale di circa 231, risultando uno dei modelli ASR più efficienti della sua categoria. Rilasciato con licenza Apache 2.0, si integra perfettamente nei flussi di lavoro vocali aziendali per la trascrizione, la traduzione e l'elaborazione audio su larga scala.
kanana-2-30b-a3b-instruct eccelle nel seguire istruzioni bilingue coreano-inglese e nei flussi di lavoro di IA agentici. Sviluppato da Kakao, adotta un'architettura all'avanguardia con Multi-head Latent Attention (MLA) e Mixture-of-Experts (MoE), attivando solo 3 miliardi dei suoi 30 miliardi di parametri totali per passaggio in avanti per un throughput superiore. Dopo l'addestramento tramite fine-tuning supervisionato e apprendimento per rinforzo, supporta fino a 128K token tramite il ridimensionamento YaRN ed è progettato per funzionare come un collaboratore di IA che comprende il contesto e agisce in modo proattivo.
OpenFold3 fornisce la previsione della struttura di complessi biomolecolari a tutti gli atomi per proteine, DNA, RNA e ligandi a piccole molecole. Sviluppato dall'OpenFold Consortium e dall'AlQuraishi Lab della Columbia University, questo modello basato sulla diffusione estende la previsione della struttura oltre le singole proteine per modellare complessi multicatena e interazioni biomolecolari eterogenee. Supporta la progettazione di farmaci assistita da computer ed è applicabile nei laboratori di ricerca accademici e farmaceutici.
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.