Các mô hình granite-speech-4.1-2b, kanana-2-30b-a3b-instruct và OpenFold3 hiện đã có sẵn trên Amazon SageMaker JumpStart
Các mô hình granite-speech-4.1-2b của BM, kanana-2-30b-a3b-instruct của Kakao và OpenFold3 của OpenFold Consortium hiện đã có sẵn trên Amazon SageMaker JumpStart, mở rộng danh mục các mô hình nền tảng có sẵn cho khách hàng AWS. Ba mô hình này mang đến các khả năng chuyên biệt bao gồm nhận diện giọng nói đa ngôn ngữ, AI trợ lý ảo song ngữ và dự đoán cấu trúc phân tử sinh học, cho phép khách hàng triển khai các giải pháp AI hiệu năng cao, có thể điều chỉnh quy mô trên cơ sở hạ tầng AWS.
Các mô hình này giải quyết các thách thức AI cho doanh nghiệp khác nhau với các khả năng chuyên biệt:
granite-speech-4.1-2b là mô hình chuyên biệt cho nhận diện giọng nói tự động (ASR) đa ngôn ngữ và dịch giọng nói hai chiều (AST) đối với tiếng Anh, tiếng Pháp, tiếng Đức, tiếng Tây Ban Nha, tiếng Bồ Đào Nha và tiếng Nhật. Mô hình ngôn ngữ giọng nói 2 tỷ tham số nhỏ gọn này mang lại tỷ lệ lỗi từ 5,33% với hệ số thời gian thực khoảng 231, khiến đây trở thành một trong những mô hình ASR hiệu quả nhất trong cùng phân khúc. Được phát hành theo giấy phép Apache 2.0, mô hình này tích hợp liền mạch vào quy trình xử lý giọng nói doanh nghiệp để phiên âm, dịch và xử lý âm thanh trên quy mô lớn.
kanana-2-30b-a3b-instruct xuất sắc trong việc làm theo hướng dẫn song ngữ Hàn-Anh và quy trình công việc AI trợ lý ảo. Mô hình này do Kakao phát triển và sử dụng kiến trúc tiên tiến có Cơ chế chú ý tiềm ẩn nhiều đầu (MLA) và Kết hợp nhiều chuyên gia (MoE), chỉ kích hoạt 3 tỷ trong tổng số 30 tỷ tham số cho mỗi lần truyền xuôi để đạt thông lượng vượt trội. Sau khi được đào tạo với tinh chỉnh có giám sát và học tăng cường, mô hình này hỗ trợ tối đa 128.000 mã thông báo thông qua việc điều chỉnh quy mô YaRN và được thiết kế để hoạt động như một cộng tác viên AI chủ động hiểu ngữ cảnh và hành động.
OpenFold3 cung cấp dự đoán cấu trúc phức hợp phân tử sinh học toàn nguyên tử cho protein, ADN, ARN và các phối tử phân tử nhỏ. Được phát triển bởi OpenFold Consortium và AlQuraishi Lab tại Đại học Columbia, mô hình dựa trên khuếch tán này mở rộng dự đoán cấu trúc ngoài các protein đơn lẻ để lập mô hình các phức hợp đa chuỗi và các tương tác phân tử sinh học không đồng nhất. OpenFold3 hỗ trợ thiết kế thuốc có sự hỗ trợ của máy tính và có thể áp dụng trên các phòng thí nghiệm nghiên cứu học thuật cũng như dược phẩm.
Với SageMaker JumpStart, khách hàng có thể triển khai bất kỳ mô hình nào trong số này chỉ với một vài cú nhấp chuột để giải quyết các trường hợp sử dụng AI cụ thể của họ.
Để bắt đầu sử dụng các mô hình này, hãy điều hướng đến danh mục mô hình SageMaker JumpStart trong bảng điều khiển SageMaker hoặc sử dụng SageMaker Python SDK để triển khai mô hình vào tài khoản AWS của bạn. Để biết thêm thông tin về việc triển khai và sử dụng mô hình nền tảng trong SageMaker JumpStart, hãy xem tài liệu về Amazon SageMaker JumpStart.