SageMaker JumpStart 2026年前三季度上线逾100个新模型，来自30家供应商
AWS称，2026年1月至9月，SageMaker JumpStart新增来自30家供应商的100多个模型；同期还推出简化的Model Hub、预配置部署选项和Hugging Face深度链接集成。
AI解读：AWS机器学习博客称，2026年前三季度SageMaker JumpStart新增100多个模型，覆盖30家供应商，较此前供应商集中度更高的情况有所扩展。
按供应商看，阿里Qwen贡献29个模型，为单一供应商中最多；NVIDIA 17个，Mistral 7个，Google 6个，IBM和Cohere各4个，其余33个来自MiniMax、智谱、DeepSeek、Moonshot AI等。
新增模型覆盖推理、编程、语音识别与合成、图像与视频生成、OCR、嵌入与重排序、智能体工具调用、蛋白质结构预测等类别，部分供应商提供量化或紧凑版本。
功能上，Model Hub被放到SageMaker AI控制台首页，支持按模态、发布者、模型大小、许可证和框架筛选；部署提供均衡、吞吐优先、延迟优先和成本优先四种预配置选项，并含Inferentia、Trainium的Neuron优化配置。
Hugging Face深度链接允许用户在Hugging Face模型页选择Deploy on SageMaker AI或Customize and Deploy on SageMaker AI，直接进入已预加载模型并预配权限的Studio环境。
上述数字和效果描述来自AWS官方博客，属于供应商自述；来源未提供这些模型的实际使用量、部署成功率或成本节省数据。
AWS机器学习博客在2026年回顾文章中称，Amazon SageMaker JumpStart在2026年1月至9月上线了来自30家供应商的100多个新模型。SageMaker JumpStart是SageMaker AI内的模型目录，提供模型卡、示例笔记本和部署配置。
同一篇文章还列出三项功能变化：Model Hub移到SageMaker AI控制台首页；部署端增加按工作负载取向命名的预配置选项；与Hugging Face的深度链接可把模型浏览直接接到SageMaker Studio。
新增模型：Qwen数量最多，覆盖多种任务
AWS按供应商给出新增模型分布：阿里巴巴Qwen 29个，NVIDIA 17个，Mistral 7个，Google 6个Gemma 4变体，IBM和Cohere各4个，MiniMax、智谱（GLM）、DeepSeek、Moonshot AI、Allen AI、Microsoft、Meta、Black Forest Labs、JetBrains、OpenBMB等其余供应商合计33个。
Qwen的29个模型涵盖推理、混合专家、智能体工作流、代码生成、语音识别、文本转语音、嵌入和重排序。NVIDIA方面包括Cosmos3世界基础模型的Super、Edge、Nano三档，以及Nemotron系列从边缘推理的Nano-12B到Super-120B。
其他被点名的模型包括Black Forest Labs的FLUX.2图像生成模型、Meta的Muse-Glimmer-30B、智谱GLM-5.2 FP8、JetBrains Mellum2-12B、OpenBMB MiniCPM5-1B、微软Phi-4-mini-instruct、IBM Granite 4.0 h-tiny，以及用于文档文本提取的GLM-OCR、LightOnOCR和DeepSeek-OCR。
AWS将这批上线归为六类重点：扩展NVIDIA开放模型组合、补齐多模态、引入创意AI模型、增加量化和紧凑模型、加入面向特定任务的专用模型、扩大供应商多样性。这是AWS对其选型理由的说明，不是对这些模型性能的独立评测。
界面与部署：Model Hub前移，提供四种预配置
AWS称，过去查找JumpStart模型需进入SageMaker Studio并在左侧导航中找到JumpStart区域；新的Model Hub直接出现在SageMaker AI控制台首页，可按输入/输出模态、发布者、模型大小、许可证和框架筛选，并能一键打开示例笔记本或在Studio中查看模型。
部署方面，SageMaker JumpStart新增命名配置：均衡，在成本、延迟和吞吐之间折中；吞吐优先，使用推测解码等技术追求每秒最多token；延迟优先，追求最低首token时间；成本优先，追求每请求最低基础设施成本。配置中还包含面向AWS Inferentia和Trainium实例的Neuron优化选项。
AWS称这些预配置可减少手动在数十种实例与容器组合间做基准测试的工作；来源没有给出与手动配置相比的具体时间或成本对比数据。
Hugging Face入口：从模型页进入已配置的Studio
新集成面向已在JumpStart上线的模型。用户在Hugging Face浏览模型时，可选择Deploy on SageMaker AI或Customize and Deploy on SageMaker AI，随后进入已预加载模型、预配置权限并显示GPU配额的SageMaker Studio环境。
AWS表示，这一入口可省去实验前设置IAM角色、创建域和配置权限的步骤。另一条使用路径仍是SageMaker Studio控制台的Models → JumpStart models，或通过SageMaker Python SDK以编程方式部署。
以上均为AWS对其产品能力和使用方式的描述；来源未披露该集成支持的具体模型范围是否与全部100多个新增模型一致。