Qwen3 gömme ve yeniden sıralama modelleri artık Amazon SageMaker JumpStart'ta mevcut

Bugün, AWS, Amazon SageMaker JumpStart'ta Qwen3-VL-Embedding-2B ve Qwen3-Reranker-4B'nin kullanılabilirliğini duyurarak AWS müşterilerine sunulan temel model portföyünü genişletti. Qwen'in bu modelleri, bilgi edinimi ve çoklu mod anlayışı için tasarlanmış olup, müşterilerin AWS altyapısında kapsamlı arama boru hatları oluşturmalarına olanak tanır. İki model genellikle birlikte kullanılır: gömme modeli etkili bir başlangıç hatırlaması yaparken, yeniden sıralayıcı sonuçları sonraki bir yeniden sıralama aşamasında iyileştirir. Bu modeller, özel yeteneklerle bilgi edinme boru hattının farklı aşamalarını ele alır: Qwen3-VL-Embedding-2B, metin, görüntü, ekran görüntüleri ve videolar gibi çeşitli girdileri kabul eder ve bu modların bir karışımını içeren girdileri işleyerek, hem görsel hem de metinsel bilgileri ortak bir alanda yakalayan anlamsal olarak zengin vektörler üretir. Görüntü-metin bilgi edinimi, video-metin eşleştirmesi, görsel soru yanıtlama ve çoklu mod içerik kümeleme gibi çeşitli çoklu mod görevlerinde performans sunar ve 30'dan fazla dili destekler. Qwen3-Reranker-4B, bir sorgu ve belge çiftini girdi olarak alır ve bilgi edinim sonuçlarını iyileştirmek için kesin bir alaka puanı çıkarır. Metin bilgi edinimi, kod bilgi edinimi, metin sınıflandırması, metin kümeleme ve iki dilli madencilik gibi işlemleri 100'den fazla dilde destekler ve belirli görevler, diller veya senaryolar için performansı artırmak üzere kullanıcı tanımlı talimatlar sunar. SageMaker JumpStart ile müşteriler, belirli AI kullanım durumlarını karşılamak için bu modellerden herhangi birini sadece birkaç tıklama ile dağıtabilirler. Bu modellere başlamak için, SageMaker Studio'daki Modeller bölümüne gidin veya modelleri AWS hesabınıza dağıtmak için SageMaker Python SDK'sını kullanın. SageMaker JumpStart'ta temel modellerin dağıtımı ve kullanımı hakkında daha fazla bilgi için Amazon SageMaker JumpStart belgelerine bakın.