AWS leva modelo multimodal Ministral-3-14B da Mistral AI ao SageMaker JumpStart
Novo modelo compacto de 14 bilhões de parâmetros pode ser implantado por clientes da AWS via SageMaker Studio ou SDK, com foco em aplicações multimodais e agentes de IA.
A AWS anunciou a disponibilidade do Ministral-3-14B-Instruct-2512, modelo da Mistral AI, no Amazon SageMaker JumpStart. A oferta amplia o catálogo de modelos de base acessíveis a clientes da nuvem e permite a implantação do sistema em contas AWS por meio do SageMaker Studio ou do SDK Python do SageMaker, segundo a empresa.
De acordo com a AWS, o modelo tem 14 bilhões de parâmetros e foi desenhado para combinar recursos de texto e visão em uma arquitetura mais compacta. A companhia afirma que o Ministral-3-14B-Instruct pode analisar imagens, interpretar conteúdo visual e textual e servir como base para assistentes de IA, aplicações com visão computacional e sistemas agentic.
A AWS também atribui ao modelo suporte a chamadas nativas de funções, saída em JSON e compreensão multilíngue em idiomas como inglês, francês, espanhol, alemão, chinês, japonês, coreano e árabe. Esses recursos são posicionados pela empresa como relevantes para fluxos em que modelos precisam interagir com ferramentas externas ou estruturar respostas para automação.
O SageMaker JumpStart funciona como uma vitrine de modelos prontos para implantação dentro do ecossistema SageMaker. Segundo a AWS, clientes podem acessar o Ministral-3-14B-Instruct pela seção de modelos do SageMaker Studio e implantá-lo em sua própria conta para adaptar o uso a casos específicos de IA.
Como implantar o modelo Ministral-3-14B da Mistral AI na AWS?
Os clientes da AWS podem implantar o modelo Ministral-3-14B por meio do Amazon SageMaker JumpStart, acessando a seção de modelos no SageMaker Studio ou utilizando o SDK Python do SageMaker diretamente em suas contas.
Quais são os principais recursos do modelo Ministral-3-14B-Instruct?
O modelo de 14 bilhões de parâmetros é multimodal, combinando texto e visão para analisar imagens e interpretar conteúdo. Ele também suporta chamadas nativas de funções, saída em JSON e compreensão multilíngue, sendo ideal para assistentes de IA, visão computacional e sistemas agentic.