亞馬遜SageMaker AI推出新功能,支持OpenAI兼容API的實時推理端點。用戶僅需修改端點URL,即可通過OpenAI SDK、LangChain等工具調用模型,無需額外定製或重寫代碼。新增的/openai/v1路徑可處理聊天補全請求並返回響應,包括流式輸出,兼容標準SageMaker AI API和SDK。
亞馬遜在Amazon SageMaker中引入AI代理功能,降低開發者定製語言模型的門檻。開發者只需用自然語言描述使用場景,即可自動完成模型開發流程,包括推薦訓練策略、數據準備、任務調度和結果交付,無需手動處理API調用或數據格式轉換,從而重構了模型開發效率。
Mistral AI推出Voxtral系列模型,整合文本與音頻處理能力。該系列包括Voxtral-Mini-3B-2507和Voxtral-Small-24B-2507兩款。前者爲3億參數模型,適合快速音頻轉錄和基礎多模態理解;後者擁有240億參數,支持複雜音頻文本智能和多語言處理,適用於企業級應用。兩款模型均支持30至40分鐘音頻上下文處理。
華納兄弟探索公司爲提升個性化內容體驗,採用AWS Graviton處理器和Amazon SageMaker AI實例優化AI/ML推理基礎設施,實現顯著成本節約與性能提升。作爲全球領先媒體娛樂企業,其內容覆蓋電視、電影及流媒體領域。
通過完全託管的基礎設施、工具和工作流程構建、訓練和部署機器學習模型
簡化機器學習模型的訓練和部署
GHonem
該模型是基於Salesforce的BLIP圖像描述生成基礎模型在SageMaker平臺上微調的版本,主要用於圖像描述生成任務。
philschmid
基於BART-base架構的對話摘要模型,使用Amazon SageMaker和Hugging Face深度學習容器訓練,適用於SAMSum數據集。
基於SAMSum數據集微調的輕量級對話摘要模型,使用亞馬遜SageMaker和Hugging Face容器訓練
jpabbuehl
基於DistilBERT的文本情感分類模型,在emotion數據集上微調,準確率達92.9%
masapasa
基於DistilBERT的情感分類模型,在情感數據集上微調,準確率達91.5%
marcelcastrobr
基於DistilBERT-base-uncased微調的情感分類模型,在情感數據集上取得92.8%的準確率
anindabitm
基於DistilBERT的情感分析模型,在情感數據集上微調,準確率達91.65%
Jorgeutd
基於RoBERTa-base架構微調的多類別文本分類模型,專為情緒檢測任務設計,在emotion數據集上驗證準確率達94.1%。