Los modelos de incrustación y reclasificación de Qwen3 para su recuperación ya están disponibles en Amazon SageMaker JumpStart
Hoy, AWS anunció la disponibilidad de Qwen3-VL-Embedding-2B y Qwen3-Reranker-4B en Amazon SageMaker JumpStart, lo que amplía la cartera de modelos fundacionales disponibles para los clientes de AWS. Estos modelos de Qwen están diseñados para la recuperación de información y la comprensión intermodal, lo que permite a los clientes crear canales de búsqueda integrales en la infraestructura de AWS. Por lo general, los dos modelos se utilizan en conjunto: el modelo de incrustación realiza una recuperación inicial eficiente, mientras que el reclasificador refina los resultados una etapa posterior de reclasificación.
Estos modelos abordan diferentes etapas de la canalización de recuperación con capacidades especializadas:
Qwen3-VL-Embedding-2B acepta diversas entradas, como texto, imágenes, capturas de pantalla y videos, así como entradas que contienen una combinación de estas modalidades. Además, genera vectores semánticamente ricos que capturan información visual y textual en un espacio compartido. Ofrece rendimiento en diversas tareas multimodales, como la recuperación de imágenes y texto, la comparación de texto y video, la respuesta visual a preguntas y la agrupación en clústeres de contenido multimodal, con compatibilidad para más de 30 idiomas.
Qwen3-Reranker-4B toma un par de consultas y documentos como entrada y genera una puntuación de relevancia precisa para refinar los resultados de recuperación. Admite la recuperación de texto, la recuperación de código, la clasificación de textos, la agrupación de textos y la extracción de bitextos en más de 100 idiomas, con instrucciones definidas por el usuario para mejorar el rendimiento en tareas, idiomas o escenarios específicos.
Con SageMaker JumpStart, los clientes pueden implementar cualquiera de estos modelos con solo unos clics para abordar sus casos de uso específicos de IA. Para empezar a utilizar estos modelos, vaya a la sección Modelos de SageMaker Studio o utilice el SDK de Python de SageMaker para implementar los modelos en su cuenta de AWS. Para obtener más información sobre la implementación y el uso de modelos fundacionales en SageMaker JumpStart, consulte la documentación de Amazon SageMaker JumpStart.