Az AWS SageMaker JumpStart katalógusa 2026-ban több mint 100 új modellel bővült

Mi a SageMaker JumpStart, és kinek szól

A SageMaker JumpStart az Amazon SageMaker AI gépitanulási (ML) központja. Szűrt katalógust kínál AI-modellekből, megoldássablonokból és példa-notebookokból, és az AWS szerint lerövidíti az utat a modellválasztástól a telepítésig. Használható nyílt forráskódú nagy nyelvi modellek (LLM) kiértékelésére, dokumentumértő képfeldolgozó modell telepítésére vagy kompakt modell saját adatokon való finomhangolására.

Az AWS három fő felhasználási esetet említ:

• Modellfelfedezés és értékelés: több száz alapmodell böngészhető olyan szolgáltatóktól, mint az Alibaba (Qwen), az NVIDIA, a Google, a Mistral, a Cohere vagy az IBM. A modellkártyák architektúrát, teljesítménymérőket, licencinformációt és példa-notebookokat tartalmaznak.
• Egykattintásos telepítés: a modell SageMaker valós idejű (real-time) inferenciavégpontra kerül, előre beállított, a terheléshez igazított konfigurációval. Kézi konténer- vagy példánybeállítás nem kell.
• Modell testreszabása: finomhangolás a konzolból vagy az SDK-ból olyan módszerekkel, mint a LoRA, az SFT, a DPO és az ellenőrizhető jutalmakkal dolgozó megerősítéses tanulás (RLVR).

A szolgáltatás elérhető a SageMaker Studio konzolon, a SageMaker Python SDK-n keresztül, és a nemrég bevezetett mélylinkes integrációval közvetlenül a Hugging Face-ről is.

Hogyan oszlik meg a 100 új modell

Az AWS szerint a bővítést a nyílt forráskódú modellek egyre gyorsabb megjelenése és a modellarchitektúrák, méretek és képességek közötti választás iránti igény hajtotta. Szolgáltatónként a következő a megoszlás:

• Alibaba (Qwen): 29 modell, köztük érvelésre, kódgenerálásra, beszédfelismerésre, beszédszintézisre, beágyazásra és újrarangsorolásra szánt változatok.
• NVIDIA: 17 modell, például a Cosmos3 világmodell-család (Super, Edge, Nano) és több Nemotron-változat.
• Mistral: 7 modell, köztük a Ministral-3 család és a Voxtral-Mini-4B-Realtime.
• Google: 6 Gemma 4 változat.
• IBM: 4 modell, köztük a Granite 4.0 család tagjai és a granite-speech-4.1-2b.
• Cohere: 4 modell, köztük a Command A és három Rerank változat.
• Egyéb: 33 modell olyan cégektől, mint a MiniMax, a Zhipu AI (GLM), a DeepSeek, a Moonshot AI, az Allen AI, a Microsoft, a Meta, a Black Forest Labs, a JetBrains, a Kakao és mások.

Az AWS hangsúlyozza, hogy a katalógus szolgáltatói köre szélesebb lett a korábbi évek szűkebb választékához képest. A vállalati ügyfeleknél fontos a koncentrációs kockázat csökkentése, és a szélesebb kör több lehetőséget ad teljesítmény, költség, licenc és nyelvi támogatás terén.

Öt hangsúly a modellválasztásban

Az AWS szerint a felvett modellek néhány célzott prioritást tükröznek, amelyek mögött ügyféligényt lát.

NVIDIA nyílt modellek. A Cosmos3 modellek a videógenerálást, a fizikai szimulációt és a cselekvéstervezést egyetlen architektúrában fogják össze robotikai, autonóm rendszerekhez és digitális ikrekhez. A Nemotron család a hatékony peremeszköz-következtetéstől (Nano-12B) a nagy léptékű érvelésig (Super-120B) terjed.

Multimodalitás. A Nemotron 3 Nano Omni egyetlen modellben kezel szöveget, képet és beszédet. A Gemma 4 látás-nyelv képességeket ad több méretben, az IBM granite-speech-4.1-2b hat nyelven végez beszédfelismerést és fordítást, a Voxtral-Mini pedig valós idejű beszédértést támogat. Az AWS szerint így nem kell külön előfeldolgozó modelleket láncolni.

Kreatív AI. Bekerült a Black Forest Labs két FLUX.2 modellje szöveg-kép generáláshoz, a Meta Muse-Glimmer-30B multimodális ágens-munkafolyamatokhoz és az NVIDIA Cosmos3 videógeneráláshoz.

Hatékony és kvantált modellek. A Zhipu AI GLM-5.2 FP8 csökkentett memóriaigénnyel dolgozik. A JetBrains Mellum2-12B szakértők keverékét (mixture-of-experts) használja, mindössze 2,5 milliárd aktív paraméterrel. Az OpenBMB MiniCPM5-1B 1 milliárd paraméterben kínál multimodális képességeket. A Microsoft Phi-4-mini-instruct és az IBM Granite 4.0 h-tiny az AWS szerint olyan példánytípusokon is kiszolgál éles terhelést, mint az ml.g5.xlarge.

Feladatra szabott modellek. Ide tartozik a Qwen-AgentWorld-35B-A3B natív eszközhívással, a GLM-OCR, a LightOnOCR és a DeepSeek-OCR dokumentumszöveg-kinyerésre, a Qwen3-Reranker-4B és a Cohere Rerank v4.0 a RAG-folyamatok pontosabb keresésére, valamint az OpenFold3 fehérjeszerkezet-előrejelzésre.

Újdonságok a felületen és a telepítésben

A modellek mellett a szolgáltatás kezelése is egyszerűsödött. Korábban a JumpStart modellek eléréséhez a SageMaker Studióban kellett megkeresni a JumpStart szekciót. Az új Model Hub a teljes katalógust közvetlenül a SageMaker AI konzol nyitóoldalán jeleníti meg. A modellek kategóriák szerint böngészhetők, és szűrhetők be- és kimeneti modalitás, kiadó, modellméret, licenc és keretrendszer szerint. A példa-notebookok megtekinthetők, a modellek pedig egy kattintással megnyithatók a Studióban.

A másik újdonság az előre beállított végpontkonfiguráció. Az AWS szerint a megfelelő példánytípus, kiszolgáló konténer és optimalizálási beállítás kiválasztása korábban gyakran több tucat kombináció kézi tesztelését igényelte. A JumpStart most elnevezett telepítési konfigurációkat kínál. Ilyen a Balanced, amely általános célú terheléshez kiegyensúlyozza a költséget, a késleltetést és az átviteli teljesítményt. Az összefoglaló szövege a további opcióknál megszakad, így részletesebb leírás a forrásban nem áll rendelkezésre. A szolgáltatás leírása korábban négy optimalizálási célt említ: alacsony költség, alacsony késleltetés, átviteli teljesítmény és kiegyensúlyozott működés.

Mit jelent ez a felhasználóknak

Az AWS-t használó fejlesztők és vállalatok számára a változás elsősorban szélesebb választékot jelent. A katalógusban nagy és kompakt modellek, szöveges, képi és beszédalapú képességek, valamint speciális feladatokra szabott megoldások is megtalálhatók, és mindegyik ugyanazzal az egykattintásos telepítési élménnyel érhető el. A cég szerint a kisebb modellek az éles használatban csökkenthetik a késleltetést és a teljes birtoklási költséget (TCO).

A gyakorlati előny a rövidebb út a kipróbálástól a futtatásig. Az egyszerűbb Model Hub és az előre beállított végpontok kevesebb kézi lépést igényelnek, a Hugging Face felőli mélylinkes belépés pedig újabb hozzáférési pontot ad. Az AWS arra számít, hogy az ügyfelek olyan folyamatokat építenek majd, amelyekben minden lépéshez a legmegfelelőbb, specializált modell tartozik.