Amazon SageMaker JumpStartは、Amazon SageMaker AI 内にある機械学習（ML）ハブで、厳選されたAIモデル、ソリューションテンプレート、サンプルノートブックのカタログへのアクセスを提供します。これにより、モデル選択からデプロイまでにかかる時間を短縮できます。オープンソースの大規模言語モデル（LLM）の評価、ドキュメント理解用のビジョンモデルのデプロイ、独自データでのコンパクトなモデルのファインチューニングなどに利用できます。
SageMaker JumpStartの主な3つのユースケースは次のとおりです：
- モデルの探索と評価 — Alibaba（Qwen）、NVIDIA、Google、Mistral、Cohere、IBMなどのプロバイダーによる数百の基盤モデル（FM）を閲覧できます。各モデルカードには、アーキテクチャの詳細、ベンチマーク、ライセンス情報、サンプルノートブックが含まれています。
- ワンクリックデプロイ — 選択したモデルを、低コスト、低レイテンシー、スループット、バランス型など、ワークロードに最適化された事前設定済みの設定で、SageMakerリアルタイム推論エンドポイントにデプロイできます。コンテナやインスタンスの手動設定は不要です。
- モデルのカスタマイズ — 低ランク適応（LoRA）、教師ありファインチューニング（SFT）、直接選好最適化（DPO）、検証可能な報酬を用いた強化学習（RLVR）などの手法を用いて、コンソールまたはSDKから直接モデルをファインチューニングできます。サーバーレスのカスタマイズオプションにより、インフラ管理の負担が軽減されます。
SageMaker JumpStartには、SageMaker Studioコンソール（Models → JumpStart models）から、SageMaker Python SDK を使ってプログラムから、または最近リリースされたディープリンク統合を通じてHugging Faceから直接アクセスできます。
2026年の取り込み状況一覧
2026年1月から9月にかけて、SageMaker JumpStartは30の異なるプロバイダーから100を超える新モデルを取り込みました。これは、オープンソースモデルのリリースペースの加速と、モデルのアーキテクチャ、サイズ、能力に対する選択肢に対する顧客需要の高まりに後押しされた、カタログの大幅な拡充を示しています。
以下は、上位のコントリビューターの内訳と、私たちのへのリンクです SageMaker JumpStartページ:
- Alibaba（Qwen）: 29モデル 推論（Qwen 3.8-27B）、大規模なmixture-of-experts（Qwen3.5-122B-A10B）、エージェントワークフロー（Qwen-AgentWorld-35B-A3B）、コード生成（Qwen3-Coder-Next、Qwen 3 Coder 30B）、音声認識（Qwen3-ASR-1.7B）、テキスト読み上げ（Qwen3-TTS）、埋め込み（Qwen3-VL-Embedding-2B）、リランキング（Qwen3-Reranker-4B）にわたる。
- NVIDIA: Cosmos3ワールド基盤モデルファミリー（Super、Edge、Nano）、Cosmos Reason 7B、MSA-Searchを含む17モデル Nemotron 3.5 Lightning、Nemotron-3-Super-120B（FP8およびBF16）、Nemotron3 Ultra、Nemotron-Nano-12B-v2、 Nemotron 3 Nano Omni（マルチモーダル）、および 視覚言語用のNemotron 3.5 Super VL を含む17モデル。
- Mistral: Ministral-3ファミリー（3B、8B、14Bの標準およびBF16）と音声用のVoxtral-Mini-4B-Realtimeを含む7モデル。
- Google: gemma-4-31B-it、E2B-it、E4B-it、26B-A4B-it、assistant、NVFP4量子化を含む6つのGemma 4バリアント。
- IBM: Granite 4.0 h-micro/small/tinyと、6言語に対応した多言語自動音声認識（ASR）用のgranite-speech-4.1-2bを含む4モデル。
- Cohere: Command A（A100）と、検索拡張用のRerank v3.5、v4.0 Fast、v4.0 Proを含む4モデル。
- その他: MiniMax、Zhipu AI(GLM)、DeepSeek、Moonshot AI、Allen AI、Microsoftなどによる33のモデル、 Meta(Muse Spark), Reflection(Beam)、Black Forest Labs、JetBrains、OpenBMB、BharatGenAI、Kakao、OpenFold などの33モデル。
モデルオンボーディングのハイライト
2026年にオンボーディングされたモデルは、SageMaker JumpStart カタログを拡大するうえでのいくつかの重点的な優先事項を反映しています。これらは単なる業界トレンドではありません。強い顧客ニーズがあり、SageMaker 上で本番AIアプリケーションを構築する顧客を支援する大きな機会がある分野を表しています。
NVIDIA オープンモデルポートフォリオの拡大
NVIDIAは当社の重要なモデルプロバイダーの1つであり、2026年にはその貢献が言語モデルを大きく超えて広がりました。Super、Edge、Nanoの各ティアで提供されるCosmos3ワールド基盤モデルは、ビデオ生成、物理シミュレーション、アクションプランニングを単一のアーキテクチャに統合し、ロボティクス、自律システム、デジタルツインなどの物理AIアプリケーションに対応します。効率的なエッジ推論(Nano-12B)から大規模推論(Super-120B)までを網羅するNemotronモデルと組み合わせて、SageMaker JumpStartは現在、幅広いNVIDIAオープンモデルのポートフォリオを提供しています。NVIDIAハードウェア上で構築する場合、最適化されたコンテナと事前構成済みのエンドポイントを使用して、これらのモデルをSageMakerにデプロイできます。
マルチモーダルギャップの解消
顧客のワークロードでは、テキスト以上を処理できるモデルがますます求められています。2026年には、ビジョン、音声、ドキュメント理解をネイティブに扱えるモデルの搭載を優先しました。NVIDIA Nemotron 3 Nano Omniは、テキスト、ビジョン、音声を単一のモデルで処理します。Google Gemma 4は複数のサイズでビジョン言語機能を追加しました。IBM granite-speech-4.1-2bは6言語に対応した音声認識と翻訳を処理します。Mistral Voxtral-Miniはリアルタイムの音声理解をサポートします。これらの追加により、顧客はマルチモーダルワークロードのために個別の前処理モデルを連結する必要がなくなります。
クリエイティブAIを身近なものに
画像およびビデオ生成は、2026年にニッチな存在から主流へと移行しました。高速なテキストから画像への生成のためにBlack Forest LabsのFLUX.2 Small DecoderとFLUX.2-klein-base-4B、マルチモーダルなエージェントワークフローのためにMeta Muse-Glimmer-30B、ビデオ生成のためにNVIDIA Cosmos3を搭載しました。これらのモデルにより、言語モデルと同じワンクリックデプロイ体験でクリエイティブAI機能を利用できます。
効率的で量子化されたモデルの優先
すべてのワークロードがフロンティア規模のモデルを必要とするわけではなく、多くの顧客は本番環境への移行に伴い推論コストの最適化に注力しています。私たちは複数の量子化モデルとコンパクトなモデルを搭載しました。Zhipu AI GLM-5.2 FP8は、削減されたメモリフットプリントで強力なパフォーマンスを提供します。JetBrains Mellum2-12Bは、コード生成のためにアクティブパラメータわずか2.5Bの混合エキスパートアーキテクチャを使用します。OpenBMB MiniCPM5-1Bは、マルチモーダル機能を10億パラメータに詰め込みました。Microsoft Phi-4-mini-instructとIBM Granite 4.0 h-tinyは、ml.g5.xlargeのようなインスタンスタイプでコンパクトなモデルが本番ワークロードに対応できることを実証しています。これらのモデルは、特定のユースケースにおいてレイテンシーと総所有コスト(TCO)を最適化できます。
特定タスク向けの専用モデルの搭載
汎用LLMは多用途ですが、専用モデルは特定のタスクに最適化されています。2026年には、ネイティブのツール呼び出しを備えた自律AIワークフロー用のQwen-AgentWorld-35B-A3Bを搭載しました。GLM-OCR、LightOnOCR、DeepSeek-OCRはドキュメントのテキスト抽出を処理します。Qwen3-Reranker-4BとCohere Rerank v4.0は、検索拡張生成(RAG)パイプラインにおける検索精度を向上させます。langcache-embed-v3-smallは、セマンティック検索のための軽量な埋め込みを提供します。Qwen3-ASRとQwen3-TTSは、音声認識と音声合成をもたらします。OpenFold3は、科学計算のためのタンパク質構造予測をサポートします。これらのモデルにより、単一のモデルにすべてを強制するのではなく、各段階でその作業に適した専用ツールを使用するパイプラインを構築できます。
プロバイダーの多様性の拡大
モデル選択における集中リスクの低減は、エンタープライズ顧客にとって重要です。2026年には、カタログを以前のより集中したセットから30のプロバイダーまで拡大しました。Alibaba Qwenは、推論、コーディング、音声、検索にわたる29のモデルを擁する最大の単一コントリビューターです。Zhipu AIとDeepSeekは競争力のあるLLMと特殊なOCRを追加します。MiniMaxとMoonshot AIは新興アーキテクチャに貢献します。Cohereは信頼性の高いリランキングを提供します。BharatGenAIとKakaoは地域モデルのカバレッジを拡大します。この広がりにより、顧客はパフォーマンス、コスト、ライセンス、言語サポートについてより多くの選択肢を得られます。
2026年のSageMaker JumpStartの強化
モデル搭載に加えて、SageMaker JumpStartは2026年に、発見からデプロイまでのモデルライフサイクル全体の摩擦を軽減する大幅な改善を出荷しました。
SageMaker AIコンソールでの簡素化されたModel Hub
以前は、SageMaker JumpStartモデルを発見するには、SageMaker Studioに移動し、左側のナビゲーションでSageMaker JumpStartセクションを見つける必要がありました。新しいModel Hub体験では、SageMaker JumpStartカタログ全体がSageMaker AIコンソールのランディングページに直接表示されます。カテゴリ別にモデルを閲覧し、入出力モダリティ、パブリッシャー、モデルサイズ、ライセンス、フレームワークでフィルタリングできます。また、サンプルノートブックを表示し、ワンクリックでStudio内のモデルを開くこともできます。これにより、初期の探索を遅らせていた複数ステップのナビゲーションが不要になります。
事前構成済みのエンドポイントデプロイオプション
モデルのデプロイに適切なインスタンスタイプ、サービングコンテナ、最適化設定を選択するには、通常、数十の組み合わせにわたる手動のベンチマークが必要でした。SageMaker JumpStartは現在、名前付きデプロイ構成を提供し、以下のための最適化オプションを備えています:
- バランス型 — 汎用ワークロードのためのコスト、レイテンシー、スループットの均等なトレードオフ。
- スループット最適化 — Speculative Decodingなどの手法を用いて1秒あたりのトークン数を最大化し、大量のバッチ処理に最適。
- レイテンシー最適化 — 最小のTime to First Token(TTFT)を実現し、インタラクティブアプリケーションの速度を優先。
- コスト最適化 — リクエストあたりの最小インフラコストを実現し、より高いレイテンシーを許容できるワークロードに適している。
これらの構成には、AWS InferentiaおよびAWS Trainiumインスタンス向けのNeuron最適化セットアップが含まれており、デプロイの複雑さとインフラコストを削減します。構成を手動でベンチマークするのに数週間を費やすことなく、ワンクリックで適切な最適化プロファイルとともにモデルをデプロイできます。
Hugging Faceディープリンク統合
Hugging Faceとの新たな統合により、オンボード済みモデルについてモデルの発見がSageMaker Studioに直接接続されます。Hugging Faceでモデルを閲覧する際に、次を選択できます: Deploy on SageMaker AI または Customize and Deploy on SageMaker AI。これにより、モデルが事前ロードされ、アクセス許可が事前設定され、GPUクォータの可視化が組み込まれた、構成済みのStudio環境に直接アクセスできます。これにより、実験を始める前にAWS Identity and Access Management（IAM）ロールを設定したり、ドメインを作成したり、アクセス許可を構成したりする必要がなくなります。
はじめに
SageMaker JumpStartを使い始めるには3つの方法があります:
- SageMaker Studioコンソール — SageMaker Studioを開き、Models → JumpStart modelsに移動してカタログを閲覧します。モデルを選択して詳細を表示し、次を選択します: Deploy または Customize.
- SageMaker Python SDK — SageMaker Python SDKを使用してプログラム的にモデルをデプロイします。SDKの例とデプロイガイドについては、 SageMaker JumpStartモデルカタログ をご覧ください。
- Hugging Faceディープリンク — HuggingFace Model Hub を閲覧し、SageMaker JumpStartのオンボード済みモデルについて、 Deploy on SageMaker AI を選択すると、Studioに直接アクセスできます。
SageMaker JumpStartの各モデルには、デプロイ構成、サンプルノートブック、ドキュメントが含まれています。ハンズオンでの手順については、関連ブログ記事「Deploy and evaluate models with Amazon SageMaker JumpStart”.
結論
2026年の最初の3四半期は、Amazon SageMaker JumpStartにとって大幅な進展の時期でした。30のプロバイダーから100以上の新しいモデルがオンボードされ、カタログは幅広い機能を網羅するようになりました。これには、最先端の推論モデル、マルチモーダルの視覚言語モデル、画像および動画生成のためのクリエイティブAI、音声認識と音声合成、光学文字認識（OCR）とドキュメント理解、RAG向けの埋め込みおよび検索モデル、エージェント型ワークフローモデル、そして特殊な科学計算モデルが含まれます。
これらのオンボーディングの優先事項は、最も強い顧客の需要と、AWSでのAI導入を加速する最大の機会があると私たちが見ている分野を反映しています。それらには、ポートフォリオの拡大、マルチモーダルのギャップの解消、クリエイティブAIのアクセス容易化、効率性と量子化の重視、目的に特化したモデルのオンボーディング、プロバイダーの多様性の拡大が含まれます。
簡素化されたModel Hub、事前構成されたデプロイオプション、Hugging Faceディープリンク統合などの機能強化と相まって、SageMaker JumpStartはモデルの発見と本番環境へのデプロイの間の障壁を低減し続けています。全ラインアップを確認するには、 SageMaker JumpStartモデルカタログ をご覧ください。
次のステップ
SageMaker JumpStartを使い始める方法は数多くあります。ぜひ自分で試してみてください！
- モデルを評価し、 自分に合ったモデルを選択する
- 方法を学ぶ HuggingFaceからSageMaker Studioへのデプロイ
- で事前学習済みモデルを使用する ケースベースのデプロイ
- を設計する SageMaker HyperPod上のPhysical AIモデルファクトリ