2026/9/14 9:00:00 ~ 2026/9/15 9:00:00 (JST)
最近の発表
NVIDIA の QWEN3.6-35B-A3B-NVFP4 とアリババの Wan2.1-T2V-1.3B-ディフューザーモデルが Amazon SageMaker JumpStart で利用できるようになり、AWS のお客様が利用できる基盤モデルのポートフォリオが拡大しました。これら 2 つのモデルは、エージェントコーディングからロングコンテキスト推論、軽量なテキストから動画への生成まで、さまざまな専門機能を備えているため、お客様は高性能でスケーラブルな AI ソリューションを AWS インフラストラクチャにデプロイできます。\n これらのモデルは、次のような特殊な機能によって企業の AI のさまざまな課題に対処します。
QWEN3.6-35B-A3B-NVFP4は、アリババのQwen3.6-35B-A3BのNVIDIA量子化バリアントとして、エージェントコーディング、マルチモーダル推論、長期的文脈理解に最適化されています。このエキスパート混合モデルには、合計35Bのパラメーターが含まれており、トークンごとにアクティブ化されるのは3B（256人のエキスパートのうち8人）で、YarNスケーリングにより最大100万まで拡張可能な262Kトークンのコンテキストウィンドウをサポートします。NVIDIA の ModelOpt フレームワークを使用して NVFP4 に量子化されているため、会話のターン、マルチトークンの予測、複数ステップのエージェントパイプラインのツール呼び出しをしても思考が維持され、すべてメモリフットプリントが大幅に削減されます。
Wan2.1-T2V-1.3B-ディフューザーは、コンシューマーグレードのハードウェアでのテキストからビデオへの生成に優れています。この1.3Bパラメータモデルは、新しいビデオ変分オートエンコーダー（VAE）を搭載した拡散トランスフォーマーのパラダイムに基づいて構築されており、必要なVRAMはわずか8.19 GBで、テキストプロンプトから高品質で物理的に一貫したビデオクリップを生成します。RTX 4090 で 5 秒の 480p ビデオを約 4 分で生成できるため、入手可能なオープンソースの動画生成モデルの中で最も利用しやすいものの 1 つとなっています。
SageMaker JumpStart を使用すると、お客様は数回クリックするだけでこれらのモデルのいずれかをデプロイして、特定の AI ユースケースに対応できます。
これらのモデルを使い始めるには、SageMaker コンソールで SageMaker JumpStart モデルカタログに移動するか、SageMaker Python SDK を使用してモデルを AWS アカウントにデプロイしてください。SageMaker JumpStart での基盤モデルのデプロイと使用の詳細については、Amazon SageMaker JumpStart ドキュメントを参照してください。
Mistral AI のミニストラル 3-3B-Instruct-2512 モデルと Ministral-3-8B-Instruct-2512 モデルが Amazon SageMaker JumpStart で利用できるようになり、AWS のお客様が利用できるファンデーションモデルのポートフォリオが拡大しました。Ministral 3 ファミリーのこの 2 つのモデルは、エッジデプロイとリソースに制約のある環境向けに構築された、コンパクトでビジョン対応の言語モデルを提供し、お客様が AWS インフラストラクチャに高性能でスケーラブルな AI ソリューションをデプロイできるようにします。\n これらのモデルは、企業の AI に関するさまざまな課題に特化した機能で対処します。
Ministral-3-3B-Instruct-2512 は、マルチモーダルに対応した超軽量エッジデプロイメント向けに設計されています。3.4B の言語モデルと 0.4B のビジョンエンコーダーで構成されており、256K トークンのコンテキストウィンドウをサポートしながら、FP8 ではわずか 8 GB の VRAM に収まります。視覚分析、数十言語 (英語、フランス語、スペイン語、ドイツ語、中国語、日本語、韓国語、アラビア語を含む) での多言語指導、強力なシステムプロンプト遵守、構造化された JSON 出力によるネイティブ関数呼び出しなど、すべてApache 2.0ライセンスの下で提供されています。
ミニストラル-3-8B-Instruct-2512は、コンパクトな8Bフォームファクターで、大型のミストラルスモール3.2 24B対応品に匹敵するフロンティアクラスの機能を提供します。8.4B の言語モデルと 0.4B のビジョン・エンコーダで構築され、FP8 の 12 GB の VRAM に収まり、インターリーブ・スライディング・ウィンドウ・アテンション・パターンを備えているため、より高速でメモリ効率の高い推論が可能になります。3B 兄弟と同じビジョン、多言語、エージェント、および関数呼び出し機能を共有しながら、より強力な推論と生成パフォーマンスを備えています。
SageMaker JumpStart を使用すれば、お客様は数回クリックするだけでこれらのモデルのいずれかをデプロイして、特定の AI ユースケースに対応できます。
これらのモデルを使い始めるには、SageMaker コンソールで SageMaker JumpStart モデルカタログに移動するか、SageMaker Python SDK を使用してモデルを AWS アカウントにデプロイしてください。SageMaker JumpStart での基盤モデルのデプロイと使用の詳細については、Amazon SageMaker JumpStart ドキュメントを参照してください。
Gemma-4-31B-it-assistant and Gemma-4-31B-IT-NVFP4 models now available on Amazon SageMaker JumpStart
Google DeepMind の Gemma-4-31b-it-Assistant と NVIDIA の Gemma-4-31b-it-NVFP4 モデルが Amazon SageMaker JumpStart で利用できるようになり、AWS のお客様が利用できる基盤モデルのポートフォリオが拡大しました。この 2 つのモデルは、主力製品の Gemma 4 31B 高密度アーキテクチャを、完全精度と最適化された量子化バリアントの両方でエンタープライズワークロードにもたらし、お客様は高性能でスケーラブルな AI ソリューションを AWS インフラストラクチャにデプロイできるようになります。\n これらのモデルは、次のような特殊な機能によってエンタープライズ AI のさまざまな課題に対処します。
Gemma-4-31B-it-Assistantは、Googleの主力製品である31B高密度モデルのアシスタントチューニングバリアントとして、マルチモーダル推論、コーディング、エージェントワークフロー向けに構築されています。テキストと画像の入力 (フレームシーケンスとしての動画を含む) を処理し、テキスト出力を生成します。また、256,000 トークンのコンテキストウィンドウと 140 以上の言語をサポートしています。Arena AI テキストリーダーボードのオープンモデルの中で #3 位にランクされ、そのサイズの20倍のモデルをしのいでいます。ローカルスライディングウィンドウとフルグローバルアテンションをインターリーブするハイブリッドアテンションメカニズムと、自律エージェントを構築するためのネイティブ関数呼び出し機能を備えています。
Gemma 4-31B-it-NVFP4 は Gemma 4 の 31B と同じ機能を、わずかなメモリフットプリントで提供します。NVIDIA の ModelOpt フレームワークで 4 ビットの FP4 精度に量子化されているため、メモリ使用量が約 18.5 GB (基本モデルより 68% 小さい) に削減され、元のモデルの品質の 97 ～ 99% を維持しながら推論を約 2.5 倍高速化できます。NVIDIA RTX、DGX Spark、およびデータセンター GPU へのコスト効率が高くスループットの高い本番環境への導入に最適です。
SageMaker JumpStart を使用すると、お客様は数回クリックするだけでこれらのモデルのいずれかをデプロイして、特定の AI ユースケースに対応できます。
これらのモデルを使い始めるには、SageMaker コンソールで SageMaker JumpStart モデルカタログに移動するか、SageMaker Python SDK を使用してモデルを AWS アカウントにデプロイしてください。SageMaker JumpStart での基盤モデルのデプロイと使用の詳細については、Amazon SageMaker JumpStart ドキュメントを参照してください。
BM の granite-speech-4.1-2b、カカオのkanana-2-30b-a3b-instruct、およびオープンフォールドコンソーシアムのOpenFold3 モデルが Amazon SageMaker JumpStart で利用できるようになり、AWS のお客様が利用できる基盤モデルのポートフォリオが拡大しました。これらの 3 つのモデルは、多言語音声認識、バイリンガルエージェント AI、生体分子構造予測にまたがる特殊機能を提供し、お客様が高性能でスケーラブルな AI ソリューションを AWS インフラストラクチャにデプロイできるようにします。\n これらのモデルは、次のような特殊な機能によって企業の AI のさまざまな課題に対処します。
granite-speech-4.1-2b は、英語、フランス語、ドイツ語、スペイン語、ポルトガル語、日本語での多言語自動音声認識 (ASR) と双方向音声翻訳 (AST) 向けに設計されています。このコンパクトな 2 B パラメータの音声言語モデルは、リアルタイム係数が約 231 で、単語誤り率は 5.33% で、このクラスで最も効率的な ASR モデルの1つとなっています。Apache 2.0 でリリースされたこのモデルは、企業の音声ワークフローにシームレスに統合され、文字起こし、翻訳、音声処理を大規模に行うことができます。
kanana-2-30b-a3b-instruct は、韓国語と英語のバイリンガル指導フォローとエージェント型 AI ワークフローに優れています。カカオが開発したこのシステムは、マルチヘッド潜在注意 (MLA) と専門家混合 (MoE) を特徴とする最先端のアーキテクチャを採用しており、フォワードパスごとに合計300Bのパラメータのうちわずか3Bしか起動しないため、優れたスループットが得られます。教師付き微調整と強化学習による事後学習を経て、YarNスケーリングにより最大128,000トークンをサポートし、コンテキストを理解して積極的に行動するAIコラボレーターとして機能するように設計されています。
OpenFold3は、タンパク質、DNA、RNA、および小分子リガンドの全原子の生体分子複合体構造予測を可能にします。OpenFold Consortium と Columbia University の Alquraishi Lab が開発したこの拡散ベースのモデルは、構造予測を単一タンパク質だけでなく、多鎖複合体や不均一な生体分子相互作用まで拡張したものです。このモデルはコンピューター支援によるドラッグデザインをサポートしており、学術研究室や製薬研究室全体に適用できます。
SageMaker JumpStart を使用すれば、お客様は数回クリックするだけでこれらのモデルのいずれかをデプロイして、特定の AI ユースケースに対応できます。
これらのモデルを使い始めるには、SageMaker コンソールで SageMaker JumpStart モデルカタログに移動するか、SageMaker Python SDK を使用してモデルを AWS アカウントにデプロイしてください。SageMaker JumpStart での基盤モデルのデプロイと使用の詳細については、Amazon SageMaker JumpStart ドキュメントを参照してください。
AWS End User Messaging now supports Dynamic Flows in WhatsApp
AWS エンドユーザーメッセージングが動的な WhatsApp フローをサポートするようになったため、WhatsApp での会話を、エンドユーザーが WhatsApp で直接完了できる豊かでインタラクティブな体験に変えることができます。\n エンドユーザーをウェブサイトや別のフォームに誘導してインタラクティブな体験をしてもらう代わりに、チャットで直接アポイント予約、リードジェネレーション、サインアップ、アンケート、取引などをエンドユーザーに案内できます。顧客は、テキスト入力、日付ピッカー、ドロップダウン、ボタンなどの使い慣れたビルディングブロックを備えたMetaのStaterテンプレートの1つを使用してフローの構築を開始したり、フローをゼロからカスタマイズしたりできます。動的フローでは、各画面で独自の HTTPS エンドポイントをリアルタイムで呼び出すことができるため、ライブアベイラビリティを表示したり、フローの各ステップをエンドユーザー向けにカスタマイズしたりできます。 フローの構築と管理は、すべて AWS エンドユーザーメッセージングソーシャルで、コンソールまたは API を通じて行います。JSON スキーマを使用してフローを定義し、それをメッセージテンプレートとともに配信して、お客様のいる場所に届けます。 WhatsApp フローは、エンドユーザーメッセージングソーシャルが利用できるすべての地域で利用できます。はじめに、『ユーザーガイド』を参照してください。
AWS End User Messaging strengthens SMS deliverability with automatic failover
AWS エンドユーザーメッセージングは、電話プールでの配信機能を強化しています。現在、電話プール経由で送信するお客様には、SMS 配信がダウンストリームの中断による影響を受けたときに、プール内の 2 番目にパフォーマンスの高い電話番号への自動フェイルオーバーが自動的に行われるようになりました。\n SMS が AWS からメッセージングプロバイダー、そして最終的にはモバイルキャリアにルーティングされている間に最終受信者に届こうとすると、SMS の配信能力が落ちたり遅延したりすることがあります。これらの障害は、配信通知、ワンタイムパスコード、リマインダー、その他の時間的制約のあるメッセージなど、メッセージングプログラムの最も重要な部分に影響を及ぼす可能性があります。AWS End User Messaging は、配信の遅延、メッセージの失敗、コンバージョンの低下を監視して、トラフィックをより最適化された配信経路に再ルーティングします。 電話プールのこの特典を受けるには、お客様は何もしなくてもかまいません。現時点で電話プール経由で送信しない場合は、次の手順に従って電話プールを作成できます。この機能は、AWS エンドユーザーメッセージングを利用できるすべての AWS リージョンで利用できます。 詳細については、AWS エンドユーザーメッセージング SMS ユーザーガイドを参照してください。
AWS Blogs
Amazon Web Services ブログ (日本語)
- 自動推論に立ちはだかる 3 つの難題
- 第1回 AWS ライフサイエンス・シンポジウム 欧州：エグゼクティブ・インサイト
- はじめての自動推論
- セキュリティにおける AI の現在地: 信頼構築に最も重要な指標の測定
- 週刊生成AI with AWS – 2026/9/7週
- 週刊AWS – 2026/9/7週
AWS News Blog
AWS Open Source Blog
AWS Big Data Blog
AWS Compute Blog
AWS Database Blog
- データベースインサイトによる Amazon Aurora PostgreSQL のロック競合の解決:パート 2
- Amazon Aurora PostgreSQL における行ロック競合のトラブルシューティング:パート 1 — PostgreSQL における行ロック競合の理解
Artificial Intelligence
- 異常な AI: 大規模なエージェントメールセキュリティのための Amazon Bedrock AgentCore
- Amazon Bedrock AgentCore を使用して AI エージェントのエンドユーザーの OAuth 同意を管理する
- ナインス・ウェーブが Amazon Bedrock で AI を活用したオープンファイナンス・オンボーディングを構築した経緯
- ジェネレーティブAIカスタマイズスペクトル:プロンプトエンジニアリングからAWSでのカスタムモデルまで
- MMF、データブリックス、ジーニー、Amazon Quick による自動補充