granite-speech-4.1-2b, kanana-2-30b-a3b-instruct ve OpenFold3 modelleri Amazon SageMaker JumpStart'ta kullanıma sunuldu
BM'nin granite-speech-4.1-2b, Kakao'nun kanana-2-30b-a3b-instruct ve OpenFold Konsorsiyumu'nun OpenFold3 modelleri artık Amazon SageMaker JumpStart'ta mevcut ve AWS müşterilerinin kullanabileceği temel modelleri portföyünü genişletiyor. Bu üç model, müşterilerin AWS altyapısında yüksek performanslı, ölçeklenebilir yapay zeka çözümlerini dağıtmasına olanak tanıyan çok dilli konuşma tanıma, iki dilli etken yapay zeka ve biyomoleküler yapı tahminini kapsayan özel yetenekler sunar.
Bu modeller, farklı kurumsal yapay zeka zorluklarını özel özelliklerle ele alır:
granite-speech-4.1-2b, İngilizce, Fransızca, Almanca, İspanyolca, Portekizce ve Japonca olmak üzere çok dilli otomatik konuşma tanıma (ASR) ve çift yönlü konuşma çevirisi (AST) için özel olarak tasarlanmıştır. Bu kompakt 2B parametreli konuşma dili modeli, yaklaşık 231'lik gerçek zamanlı faktör ile %5,33'lük bir kelime hata oranı sunarak onu sınıfındaki en verimli ASR modellerinden biri haline getirir. Apache 2.0 altında piyasaya sürülen bu ürün, büyük ölçekte transkripsiyon, çeviri ve ses işleme için kurumsal ses iş akışlarına sorunsuz bir şekilde entegre olur.
kanana-2-30b-a3b-instruct, iki dilli Kore-İngilizce öğretim takibi ve etken yapay zeka iş akışları için mükemmeldir. Kakao tarafından geliştirilen model, Multi-head Latent Attention (MLA) ve Uzman Karışımı (MoE) özelliğine sahip son teknoloji bir mimariye sahiptir ve üstün aktarım hızı için ileri geçiş başına toplam 30B parametresinin yalnızca 3B'sini etkinleştirir. Denetimli ince ayar ve pekiştirmeli öğrenme ile eğitildikten sonra, YaRN ölçeklendirmesi yoluyla 128 bine kadar belirteci destekler ve bağlamı anlayan ve proaktif olarak hareket eden bir yapay zeka işbirlikçisi olarak işlev görecek şekilde tasarlanmıştır.
OpenFold3; proteinler, DNA, RNA ve küçük moleküllü ligandlar için tamamen atomlu biyomoleküler kompleks yapı tahmini sağlar. OpenFold Konsorsiyumu ve Columbia Üniversitesi'ndeki AlQuraishi Laboratuvarı tarafından geliştirilen bu difüzyon tabanlı model, yapı tahminini tek proteinlerin ötesine, çok zincirli kompleksleri ve heterojen biyomoleküler etkileşimleri modellemek için genişletir. Bilgisayar destekli ilaç tasarımını destekler ve akademik ve farmasötik araştırma laboratuvarlarında uygulanabilir.
Müşteriler, SageMaker JumpStart ile belirli yapay zeka kullanım ihtiyaçları için bu modellerden herhangi birini yalnızca birkaç tıklamayla devreye alabilirler.
Bu modelleri kullanmaya başlamak için SageMaker konsolunda SageMaker JumpStart model kataloğuna gidin veya modelleri AWS hesabınıza dağıtmak için SageMaker Python SDK'sini kullanın. SageMaker JumpStart'ta temel model dağıtma ve kullanma hakkında daha fazla bilgi için Amazon SageMaker JumpStart belgelerine bakın.