الذكاء الاصطناعي

أمازون توسّع كاتالوج SageMaker JumpStart بأكثر من 100 نموذج ذكاء اصطناعي

شهدت منصة SageMaker JumpStart توسعاً كبيراً في عام 2026، حيث أصبحت الوجهة الأساسية لتقييم ونشر نماذج الذكاء الاصطناعي المفتوحة المصدر.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 20 أكتوبر 2026 · آخر تحديث: 20 أكتوبر 2026 · 3 دقائق قراءة

أمازون توسّع كاتالوج SageMaker JumpStart بأكثر من 100 نموذج ذكاء اصطناعي — الصورة: AWS Machine Learning Blog

نظرة عامة على التوسع في عام 2026

أعلنت أمازون عن تحقيق تقدم ملحوظ في منصة SageMaker JumpStart، حيث تم استيعاب أكثر من 100 نموذج جديد من 30 مزوداً مختلفاً خلال الأشهر التسعة الأولى من عام 2026. يهدف هذا التوسع إلى تلبية الطلب المتزايد على تنوع النماذج من حيث البنية والحجم والقدرات. توفر المنصة وصولاً إلى كتالوج منظم من نماذج الذكاء الاصطناعي، مما يقلل الوقت اللازم للانتقال من اختيار النموذج إلى نشره في بيئة الإنتاج. ويمكن الرجوع إلى AWS Machine Learning Blog للاطلاع على التفاصيل الأصلية للمصدر.

المساهمات الرئيسية من المزودين الكبار

تصدرت شركة علي بابا القائمة بإضافة 29 نموذجاً من عائلة Qwen، تغطي مجالات الاستدلال وتوليد الأكواد والتعرف على الكلام. كما ساهمت NVIDIA بشكل كبير بإضافة 17 نموذجاً، بما في ذلك عائلة Cosmos3 للنماذج الأساسية العالمية، ونماذج Nemotron التي تتراوح من الاستدلال عالي الكفاءة إلى الاستدلال واسع النطاق. بالإضافة إلى ذلك، أضافت Mistral وGoogle وIBM وCohere عدداً من النماذج المتخصصة في مجالات مختلفة، مما يعكس التزام المنصة بتوفير خيارات متنوعة من أبرز اللاعبين في صناعة الذكاء الاصطناعي.

دعم النماذج متعددة الوسائط

ركزت أمازون في عام 2026 على استيعاب نماذج قادرة على معالجة أكثر من النص، حيث أصبحت النماذج متعددة الوسائط ضرورة أساسية في أحمال العمل الحديثة. تشمل الإضافات نماذج مثل NVIDIA Nemotron 3 Nano Omni التي تعالج النص والرؤية والصوت في نموذج واحد، ونماذج Google Gemma 4 التي تضيف قدرات اللغة والرؤية. كما تم تضمين نماذج متخصصة في فهم المستندات والتعرف على الكلام، مما يتيح للعملاء تجنب الحاجة إلى ربط عدة نماذج معالجة مسبقة معاً، وبالتالي تبسيط البنية التحتية للذكاء الاصطناعي.

تحسينات في النشر والتخصيص

أدخلت SageMaker JumpStart تحسينات جوهرية في تجربة المستخدم، أبرزها تبسيط واجهة Model Hub وتوفير خيارات نشر مسبقة الإعداد. تتيح هذه الميزات نشر النماذج على نقاط استنتاج فورية مع تحسينات مخصصة لأحمال العمل، سواء كانت تهدف إلى تقليل التكلفة أو خفض زمن الاستجابة أو زيادة الإنتاجية. كما تدعم المنصة تخصيص النماذج مباشرة من وحدة التحكم أو عبر SDK باستخدام تقنيات مثل LoRA وSFT وDPO، مع خيارات بدون خادم لتقليل إدارة البنية التحتية.

التركيز على الكفاءة والنماذج المخصصة

أدركت أمازون أن ليس كل أحمال العمل تتطلب نماذج ضخمة، لذا ركزت على استيعاب نماذج مضغوطة ومكمّمة (Quantized) لتحسين تكلفة الاستدلال. تشمل هذه الإضافات نماذج مثل Zhipu AI GLM-5.2 FP8 وJetBrains Mellum2-12B، التي توفر أداءً قوياً مع استهلاك أقل للذاكرة. كما تم التركيز على النماذج المصممة لمهام محددة، مثل نماذج الاستدلال المستقل، واستخراج النصوص من المستندات، وتحسين دقة الاسترجاع في أنظمة RAG، مما يتيح بناء خطوط أنابيب ذكية حيث يستخدم كل مرحلة الأداة المتخصصة لها.