• aiml
• amazon-sagemaker-jumpstart
• artificial-intelligence

• MetaのMuse-Glimmer-30BとAlibabaのQwen 3.8-27Bモデルが Amazon SageMaker JumpStartで利用可能に
• Muse-Glimmer-30Bは自律的なエージェントタスク向けで、多段階推論、ツール使用、障害回復機能を搭載、131K+コンテキストウィンドウとApache 2.0ライセンス
• Qwen 3.8-27Bはコーディング、マルチモーダル理解（テキスト・画像・動画）に優れ、262Kコンテキストウィンドウ（約100万まで拡張可能）を持つ
• SageMaker JumpStartを通じて数クリックでデプロイ可能
• SageMakerコンソールまたはSageMaker Python SDKを使用して展開可能

MetaのMuse-Glimmer-30BとAlibabaのQwen 3.8-27Bモデルが Amazon SageMaker JumpStartで利用可能になりました。これらのモデルは、自律的なローカルエージェントワークフローやマルチモーダルな長期的推論といった専門的な機能を提供し、AWS顧客が高性能でスケーラブルなAIソリューションを展開できるようにします。

MetaのMuse-Glimmer-30BとAlibabaのQwen 3.8-27Bモデルが Amazon SageMaker JumpStartで利用可能になり、AWSの顧客が利用できる基盤モデルのポートフォリオが拡大しました。
これら2つのモデルは、自律的なローカルエージェントワークフローやマルチモーダルな長期的推論にまたがる専門的な機能を提供し、顧客がAWSインフラストラクチャ上に高性能でスケーラブルなAIソリューションを展開できるようにします。

これらのモデルは、専門的な機能で異なるエンタープライズAIの課題に対応します。

Muse-Glimmer-30Bは、多段階推論、ツール使用、障害回復を備えた自律的なエージェントタスク向けに設計されています。
Meta Superintelligence Labが開発した300億パラメータの密なモデルで、専用の約18億パラメータViT-G/14知覚エンコーダー、テキストと画像のインターリーブ入力、131K以上のコンテキストウィンドウ、選択可能な推論強度（低〜超高）を組み合わせています。
Apache 2.0ライセンスでリリースされ、逐次的なツール呼び出しを処理し、障害から回復し、クラウドインフラストラクチャなしで完全に動作するため、常時稼働のエンタープライズエージェントに最適です。

Qwen 3.8-27Bは、コーディング、多段階エージェントタスク、テキスト・画像・動画にわたるマルチモーダル理解に優れています。
262Kのコンテキストウィンドウ（YaRNスケーリングにより約100万まで拡張可能）を持つ270億パラメータの密なネイティブビジョン言語モデルで、調整可能な推論努力レベルにより前モデルから大幅な改善を実現しています。
SWE-bench Proで61.7のスコアを獲得し、量子化時約17GBで動作し、複雑な多段階タスクをより高い信頼性で完了まで実行します。

SageMaker JumpStartを使用すると、顧客はこれらのモデルを数クリックで展開し、特定のAIユースケースに対応できます。
これらのモデルを使い始めるには、SageMakerコンソールのSageMaker JumpStartモデルカタログに移動するか、SageMaker Python SDKを使用してモデルをAWSアカウントにデプロイしてください。
SageMaker JumpStartでの基盤モデルの展開と使用に関する詳細は、Amazon SageMaker JumpStartのドキュメントをご参照ください。

• Amazon SageMaker
• Amazon SageMaker JumpStart

• Amazon SageMaker JumpStartは、Amazon SageMakerの機能の一つで、事前トレーニング済みの基盤モデルや機械学習ソリューションを簡単に発見、探索、デプロイできるサービスです。ユーザーはモデルカタログから様々なAIモデルを選択し、数クリックでAWSインフラストラクチャ上にデプロイできます。コーディングの専門知識がなくても、最新の大規模言語モデルや画像生成モデルなどを自分のAWSアカウントで利用開始できるため、AI活用の敷居を大幅に下げています。
• Amazon SageMakerは、機械学習モデルの構築、トレーニング、デプロイを包括的に支援するフルマネージドサービスです。データの準備からモデルの開発、本番環境への展開、モニタリングまで、機械学習ワークフロー全体をカバーします。開発者やデータサイエンティストがインフラストラクチャの管理に煩わされることなく、機械学習に集中できる環境を提供します。

• https://docs.aws.amazon.com/sagemaker/latest/dg/studio-jumpstart.html