Модели встраивания и повторного ранжирования Qwen3 для извлечения теперь доступны в Amazon SageMaker JumpStart

Проведено: 13 июля 2026 г.

Сегодня AWS объявляет о выпуске Qwen3-VL-Embedding-2B и Qwen3-Reranker-4B в Amazon SageMaker JumpStart, расширяя портфель базовых моделей, доступных клиентам AWS. Эти модели Qwen предназначены для извлечения информации и кросс-модального понимания, что позволяет клиентам создавать комплексные поисковые конвейеры в инфраструктуре AWS. Эти две модели обычно используются в тандеме: модель встраивания обеспечивает эффективный первоначальный отзыв, а модель повторного ранжирования уточняет результаты на следующем его этапе.

Эти модели охватывают различные этапы конвейера извлечения и предоставляют специальные возможности:

Qwen3-VL-Embedding-2B принимает различные входные данные, включая текст, изображения, снимки экрана и видео, а также входные данные, содержащие смесь этих модальностей, и генерирует семантически насыщенные векторы, которые фиксируют визуальную и текстовую информацию в общем пространстве. Она обеспечивает производительность при выполнении различных мультимодальных задач, таких как поиск соответствия между изображением и текстом, сопоставление видео и текста, ответы на вопросы о содержимом изображения и кластеризация мультимодального контента, и поддерживает более 30 языков.

Qwen3-Reranker-4B принимает в качестве входных данных пару «запрос и документ» и выводит точную оценку релевантности для уточнения результатов поиска. Она поддерживает извлечение текста, извлечение кода, классификацию текста, кластеризацию текста и поиск параллельных предложений на более чем 100 языках, а также предоставляет пользовательские инструкции для повышения производительности для конкретных задач, языков или сценариев.

Используя SageMaker JumpStart, клиенты могут развернуть любую из этих моделей всего несколькими щелчками мыши для своих примеров использования искусственного интеллекта. Чтобы начать работу с этими моделями, перейдите в раздел «Модели» в Студии SageMaker или используйте SageMaker Python SDK для развертывания моделей в своем аккаунте AWS. Подробные инструкции о развертывании и использовании базовых моделей в SageMaker JumpStart см. в документации Amazon SageMaker JumpStart.