Novos modelos de fundação chegam ao SageMaker JumpStart
A AWS anunciou a disponibilidade de dois novos modelos de fundação no Amazon SageMaker JumpStart: o Muse-Glimmer-30B, desenvolvido pela Meta, e o Qwen 3.8-27B, da Alibaba. A adição amplia o portfólio de modelos prontos para uso na plataforma, oferecendo aos clientes AWS mais opções para construir soluções de IA de alta performance em infraestrutura escalável.
Cada modelo foi projetado para responder a desafios distintos dentro do ecossistema de IA empresarial, com capacidades especializadas que se complementam bem dependendo do caso de uso.
Muse-Glimmer-30B: agentes autônomos com raciocínio local
O Muse-Glimmer-30B é um modelo denso de 30 bilhões de parâmetros desenvolvido pelo Meta Superintelligence Lab, projetado especificamente para tarefas agênticas autônomas — ou seja, fluxos de trabalho em que o modelo precisa tomar decisões sequenciais, usar ferramentas externas e se recuperar de falhas sem intervenção humana constante.
Entre suas características técnicas mais relevantes:
- Encoder de percepção visual dedicado (~1,8B parâmetros, ViT-G/14), com suporte a entradas intercaladas de texto e imagem
- Janela de contexto superior a 131 mil tokens
- Níveis de raciocínio ajustáveis, de baixo a extra-alto
- Capacidade de executar chamadas sequenciais a ferramentas e se recuperar de falhas
- Operação completamente local, sem dependência de infraestrutura em nuvem — ideal para agentes empresariais sempre ativos
O modelo é disponibilizado sob licença Apache 2.0.
Qwen 3.8-27B: codificação, raciocínio e compreensão multimodal
O Qwen 3.8-27B é um modelo de linguagem e visão nativo (VLM — Vision-Language Model) com 27 bilhões de parâmetros densos, desenvolvido pela Alibaba. Ele se destaca em tarefas de codificação, raciocínio em múltiplas etapas e compreensão multimodal envolvendo texto, imagens e vídeo.
Destaques técnicos do modelo:
- Janela de contexto de 262 mil tokens, expansível a aproximadamente 1 milhão via escalonamento YaRN
- Níveis de esforço de raciocínio ajustáveis
- Pontuação de 61,7 no benchmark SWE-bench Pro
- Tamanho de aproximadamente 17 GB quantizado
- Ganhos substanciais de desempenho em relação à versão anterior, com maior confiabilidade na conclusão de tarefas complexas
Como implantar os modelos no SageMaker JumpStart
A AWS destaca que a implantação de ambos os modelos pode ser feita com poucos cliques. Os clientes podem acessar o catálogo de modelos do SageMaker JumpStart diretamente pelo console do SageMaker ou utilizar o SDK Python do SageMaker para implantar os modelos em sua conta AWS.
Para quem quiser se aprofundar nos detalhes de implantação e uso de modelos de fundação no SageMaker JumpStart, a AWS disponibiliza a documentação oficial do Amazon SageMaker JumpStart.
Fonte
Muse-Glimmer-30B and Qwen 3.8-27B models now available on Amazon SageMaker JumpStart (https://aws.amazon.com/about-aws/whats-new/2026/01/muse-glimmer-30b-qwen-3.8-27b-on-sagemaker-jumpstart/)
Leave a Reply