검색을 위한 Qwen3 임베딩 및 리랭킹 모델, 이제 Amazon SageMaker JumpStart에서 사용 가능
오늘 AWS는 Amazon SageMaker JumpStart에서 Qwen3-VL-Embedding-2B 및 Qwen3-Reranker-4B를 출시하여 AWS 고객이 사용할 수 있는 파운데이션 모델 포트폴리오를 확장한다고 발표했습니다. Qwen의 이들 모델은 정보 검색 및 크로스모달 이해를 위해 설계되었으므로 고객은 AWS 인프라에서 포괄적인 검색 파이프라인을 구축할 수 있습니다. 두 모델은 일반적으로 함께 사용됩니다. 임베딩 모델이 효율적으로 초기 후보를 검색하면, 리랭커가 후속 재순위화 단계에서 결과를 정교화합니다.
이러한 모델은 특화된 기능을 통해 검색 파이프라인의 서로 다른 단계를 담당합니다.
Qwen3-VL-Embedding-2B는 텍스트, 이미지, 스크린샷, 비디오를 비롯한 다양한 입력 및 이러한 모달리티가 혼합된 입력을 수용하고 공유 공간에서 시각적 정보와 텍스트 정보를 모두 캡처하는 의미론적으로 풍부한 벡터를 생성합니다. 이 모델은 30개 이상의 언어를 지원하여 이미지-텍스트 검색, 비디오-텍스트 매칭, 시각적 질문 답변, 멀티모달 콘텐츠 클러스터링과 같은 다양한 멀티모달 태스크에서 뛰어난 성능을 발휘합니다.
Qwen3-Reranker-4B는 쿼리 및 문서 쌍을 입력으로 수용하고 정확한 관련성 점수를 출력하여 검색 결과를 세분화합니다. 100개 이상의 언어에 대한 텍스트 검색, 코드 검색, 텍스트 분류, 텍스트 클러스터링, 이중 언어 텍스트 마이닝을 지원하며, 사용자 정의 지침을 통해 특정 태스크, 언어 또는 시나리오의 성능을 향상시킵니다.
SageMaker JumpStart를 사용하면 고객은 몇 번의 클릭만으로 이러한 모델을 배포하여 특정 AI 사용 사례를 해결할 수 있습니다. 이러한 모델을 시작하려면 SageMaker Studio의 Models 섹션으로 이동하거나 SageMaker Python SDK를 사용하여 모델을 AWS 계정에 배포하세요. SageMaker JumpStart에서 파운데이션 모델을 배포하고 사용하는 방법에 대한 자세한 내용은 Amazon SageMaker JumpStart 설명서를 참조하세요.