Os modelos Muse-Glimmer-30B e Qwen 3.8-27B agora estão disponíveis no Amazon SageMaker JumpStart
Os modelos Muse-Glimmer-30B da Meta e Qwen 3.8-27B da Alibaba agora estão disponíveis no Amazon SageMaker JumpStart, expandindo o portfólio de modelos básicos disponíveis para clientes da AWS. Esses dois modelos oferecem recursos especializados que abrangem fluxos de trabalho agêntico autônomos locais e raciocínio multimodal de longo prazo, 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 Muse-Glimmer-30B foi projetado para tarefas de agentes autônomos com raciocínio em várias etapas, uso de ferramentas e recuperação de falhas. Esse modelo denso de 30 B de parâmetros do Meta Superintelligence Lab combina um codificador de percepção ViT-G/14 dedicado de ~ 1,8 B com entradas de texto e imagem intercaladas, uma janela de contexto de mais de 131 mil e força de raciocínio selecionável (baixa a extra alta). Lançado sob o Apache 2.0, ele lida com chamadas sequenciais de ferramentas, se recupera de falhas e opera totalmente sem infraestrutura em nuvem, o que é ideal para agentes corporativos sempre ativos.
O Qwen 3.8-27B se destaca em codificação, tarefas agentes de várias etapas e compreensão multimodal de texto, imagens e vídeo. Um modelo denso de linguagem de visão nativa de 27 B de parâmetros com uma janela de contexto de 262 K (extensível para ~ 1 milhão por meio do dimensionamento do YaRN), ele oferece ganhos substanciais em relação ao seu antecessor com níveis de esforço de raciocínio ajustáveis. Com pontuação de 61,7 no SWE-Bench Pro e rodando a aproximadamente 17 GB quantizados, ele realiza tarefas complexas de várias etapas até a conclusão com maior confiabilidade.
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.