Os modelos granite-speech-4.1-2b, kanana-2-30b-a3b-instruct e OpenFold3 agora estão disponíveis no Amazon SageMaker JumpStart
Os modelos granite-speech-4.1-2b da BM, kanana-2-30b-a3b-instruct da Kakao e OpenFold3 do OpenFold Consortium estão agora disponíveis no Amazon SageMaker JumpStart, expandindo o portfólio de modelos básicos disponíveis para clientes da AWS. Esses três modelos oferecem recursos especializados que abrangem reconhecimento de voz multilíngue, IA agêntica bilíngue e previsão de estrutura biomolecular, permitindo que os clientes implantem soluções de IA escaláveis e de alto desempenho na infraestrutura da AWS.
Usando recursos especializados, esses modelos abordam diferentes desafios de IA empresarial:
O granite-speech-4.1-2b foi desenvolvido especificamente para reconhecimento de voz automático (ASR) multilíngue e tradução de fala bidirecional (AST) em inglês, francês, alemão, espanhol, português e japonês. Esse modelo compacto de linguagem de fala com 2 parâmetros oferece uma taxa de erro de palavras de 5,33% com um fator em tempo real de ~ 231, tornando-o um dos modelos ASR mais eficientes de sua classe. Lançado sob o Apache 2.0, ele se integra perfeitamente aos fluxos de trabalho de voz corporativos para transcrição, tradução e processamento de áudio em grande escala.
O kanana-2-30b-a3b-instruct se destaca em acompanhamento de instruções bilíngues em coreano-inglês e em fluxos de trabalho de IA agêntica. Desenvolvido pela Kakao, ele adota uma arquitetura de ponta com atenção latente múltipla (MLA) e mistura de especialistas (MoE), ativando apenas 3 B de seus 30 B de parâmetros totais por passagem direta para um throughput superior. Pós-treinado com ajuste fino supervisionado e aprendizado por reforço, ele suporta até 128 mil tokens por meio do dimensionamento YaRN e foi projetado para funcionar como um colaborador de IA que entende o contexto e age de forma proativa.
O OpenFold3 fornece previsão de estruturas complexas biomoleculares de todos os átomos para proteínas, DNA, RNA e ligantes de moléculas pequenas. Desenvolvido pelo OpenFold Consortium e pelo Laboratório AlQuraishi da Columbia University, esse modelo baseado em difusão estende a previsão de estrutura além de proteínas únicas para modelar complexos de várias cadeias e interações biomoleculares heterogêneas. Ele suporta o design de medicamentos auxiliado por computador e é aplicável em laboratórios de pesquisa acadêmica e farmacêutica.
Com o SageMaker JumpStart, os clientes podem implantar qualquer um desse modelos com apenas alguns cliques para abordar casos de uso de IA específicos.
Para começar a usar esses modelos, navegue até o catálogo de modelos do SageMaker JumpStart no SageMaker Studio ou use o SageMaker Python SDK para implantá-los na sua conta da AWS. Para obter mais informações sobre a implantação e o uso de modelos de base no SageMaker JumpStart, consulte a documentação do Amazon SageMaker JumpStart.