Qwen3 による埋め込みおよび検索用の再ランキングモデルが Amazon SageMaker JumpStart で利用可能に
AWS は本日、Amazon SageMaker JumpStart で Qwen3-VL-Embedding-2B と Qwen3-Reranker-4B が利用可能になったことを発表しました。これにより、AWS のお客様が利用できる基盤モデルのポートフォリオが拡充されます。Qwen が提供するこれらのモデルは、情報検索およびクロスモーダル理解のために設計されており、お客様は AWS のインフラストラクチャ上で包括的な検索パイプラインを構築できます。通常、この 2 つのモデルは組み合わせて使用されます。埋め込みモデルが効率的な初期検索を行い、続く再ランキングステージでリランカーが結果を絞り込みます。
これらのモデルは、検索パイプラインのさまざまな段階に特化した機能を備えています。
Qwen3-VL-Embedding-2B は、テキスト、画像、スクリーンショット、動画、およびこれらが混在する入力を受け入れ、共通の空間で視覚情報とテキスト情報の両方の意味をとらえた、セマンティックに富むベクトルを生成します。画像-テキスト間検索、動画-テキストマッチング、Visual Question Answering (VQA)、マルチモーダルコンテンツのクラスタリングなど、多様なタスクにおいて優れた性能を発揮し、30 以上の言語をサポートしています。
Qwen3-Reranker-4B は、クエリとドキュメントのペアを入力として受け取り、正確な関連性スコアを出力して検索結果を絞り込みます。100 を超える言語にわたるテキスト検索、コード検索、テキスト分類、テキストクラスタリング、対訳マイニングをサポートしており、特定のタスク、言語、シナリオのパフォーマンスを向上させるユーザー定義の命令にも対応しています。
SageMaker JumpStart を使用すると、お客様は数回クリックするだけでこれらのモデルをデプロイし、特定の AI ユースケースに対応できます。これらのモデルを使い始めるには、SageMaker Studio の [Models] セクションにアクセスするか、SageMaker Python SDK を使用して AWS アカウントにモデルをデプロイしてください。SageMaker JumpStart での基盤モデルのデプロイと使用方法の詳細については、Amazon SageMaker JumpStart のドキュメントをご覧ください。