Amazon SageMaker JumpStart는 Amazon SageMaker AI 내에 있는 머신러닝(ML) 허브로, 엄선된 AI 모델, 솔루션 템플릿, 예제 노트북 카탈로그에 대한 액세스를 제공합니다. 이를 통해 모델 선택부터 배포까지 걸리는 시간을 단축할 수 있습니다. 오픈 소스 대규모 언어 모델(LLM)을 평가하거나, 문서 이해를 위한 비전 모델을 배포하거나, 자체 데이터로 경량 모델을 파인튜닝하는 데 사용할 수 있습니다.
SageMaker JumpStart는 세 가지 주요 사용 사례를 지원합니다:
- 모델 탐색 및 평가 — Alibaba(Qwen), NVIDIA, Google, Mistral, Cohere, IBM 등 공급자의 수백 개 파운데이션 모델(FM)을 탐색할 수 있습니다. 각 모델 카드에는 아키텍처 세부 정보, 벤치마크, 라이선스 정보, 샘플 노트북이 포함되어 있습니다.
- 원클릭 배포 — 저비용, 저지연, 처리량 또는 균형 등 워크로드에 최적화된 사전 구성된 설정으로 선택한 모델을 SageMaker 실시간 추론 엔드포인트에 배포할 수 있습니다. 수동 컨테이너 또는 인스턴스 구성이 필요 없습니다.
- 모델 커스터마이징 — 콘솔 또는 SDK에서 저랭크 적응(LoRA), 지도 파인튜닝(SFT), 직접 선호 최적화(DPO), 검증 가능한 보상을 통한 강화 학습(RLVR)과 같은 기법을 사용하여 모델을 직접 파인튜닝할 수 있습니다. 서버리스 커스터마이징 옵션은 인프라 관리 부담을 줄여줍니다.
SageMaker Studio 콘솔(Models → JumpStart models), SageMaker Python SDK를 통한 프로그래밍 방식, 또는 최근 출시된 딥 링크 통합을 통해 Hugging Face에서 직접 SageMaker JumpStart에 액세스할 수 있습니다.
2026년 온보딩 한눈에 보기
2026년 1월부터 9월까지 SageMaker JumpStart는 30개의 서로 다른 공급자에서 100개가 넘는 신규 모델을 온보딩했습니다. 이는 오픈 소스 모델 출시 속도의 가속화와 모델 아키텍처, 크기, 기능에 대한 선택지에 대한 고객 수요 증가에 힘입어 이루어진 카탈로그의 상당한 확장입니다.
다음은 주요 기여 공급자의 분석 내용과 저희 링크입니다: SageMaker JumpStart 페이지:
- Alibaba(Qwen): 29개 모델 으로 추론(Qwen 3.8-27B), 대규모 mixture-of-experts(Qwen3.5-122B-A10B), 에이전트 워크플로우(Qwen-AgentWorld-35B-A3B), 코드 생성(Qwen3-Coder-Next, Qwen 3 Coder 30B), 음성 인식(Qwen3-ASR-1.7B), 텍스트-음성 변환(Qwen3-TTS), 임베딩(Qwen3-VL-Embedding-2B), 리랭킹(Qwen3-Reranker-4B)을 아우릅니다.
- NVIDIA: 17개 모델로, Cosmos3 월드 파운데이션 모델 패밀리(Super, Edge, Nano), Cosmos Reason 7B, MSA-Search, Nemotron 3.5 Lightning, Nemotron-3-Super-120B(FP8 및 BF16), Nemotron3 Ultra, Nemotron-Nano-12B-v2, Nemotron 3 Nano Omni(멀티모달), 그리고 비전-언어용 Nemotron 3.5 Super VL 가 포함됩니다.
- Mistral: 7개 모델로, Ministral-3 패밀리(3B, 8B, 14B 표준 및 BF16)와 음성용 Voxtral-Mini-4B-Realtime이 포함됩니다.
- Google: gemma-4-31B-it, E2B-it, E4B-it, 26B-A4B-it, assistant, NVFP4 양자화를 포함한 6개의 Gemma 4 변형.
- IBM: Granite 4.0 h-micro/small/tiny와 6개 언어를 지원하는 다국어 자동 음성 인식(ASR)용 granite-speech-4.1-2b를 포함한 4개 모델.
- Cohere: Command A(A100)와 검색 증강용 Rerank v3.5, v4.0 Fast, v4.0 Pro를 포함한 4개 모델.
- 기타: MiniMax, Zhipu AI(GLM), DeepSeek, Moonshot AI, Allen AI, Microsoft 등의 33개 모델, Meta (Muse Spark), Reflection (Beam), Black Forest Labs, JetBrains, OpenBMB, BharatGenAI, Kakao, OpenFold 등의 33개 모델.
모델 온보딩 하이라이트
2026년에 온보딩된 모델들은 SageMaker JumpStart 카탈로그를 확장하는 방식에서 우리가 중점적으로 추구한 여러 우선순위를 반영합니다. 이는 단순한 업계 트렌드가 아닙니다. 이는 강한 고객 수요가 있고 SageMaker에서 고객이 프로덕션 AI 애플리케이션을 구축하도록 돕는 중요한 기회가 있는 영역들을 나타냅니다.
NVIDIA 오픈 모델 포트폴리오 확장
NVIDIA는 우리의 주요 모델 제공사 중 하나이며, 2026년에는 그들의 기여가 언어 모델을 훨씬 넘어섰습니다. Super, Edge, Nano 등급으로 제공되는 Cosmos3 세계 기초 모델(world foundation models)은 로봇 공학, 자율 시스템, 디지털 트윈과 같은 물리적 AI 애플리케이션을 위해 비디오 생성, 물리 시뮬레이션, 액션 플래닝을 단일 아키텍처에 통합합니다. 효율적인 엣지 추론(Nano-12B)부터 대규모 추론(Super-120B)까지 아우르는 Nemotron 모델과 결합하여, SageMaker JumpStart는 이제 폭넓은 NVIDIA 오픈 모델 포트폴리오를 제공합니다. NVIDIA 하드웨어 기반으로 구축하는 경우, 최적화된 컨테이너와 사전 구성된 엔드포인트를 통해 SageMaker에서 이러한 모델을 배포할 수 있습니다.
멀티모달 격차 해소
고객 워크로드는 점점 더 텍스트 이상을 처리하는 모델을 요구하고 있습니다. 2026년에는 비전, 음성, 문서 이해를 기본적으로 처리하는 모델의 온보딩을 우선시했습니다. NVIDIA Nemotron 3 Nano Omni는 단일 모델로 텍스트, 비전, 음성을 처리합니다. Google Gemma 4는 여러 크기에서 비전-언어 기능을 추가했습니다. IBM granite-speech-4.1-2b는 6개 언어에 걸쳐 음성 인식 및 번역을 처리합니다. Mistral Voxtral-Mini는 실시간 음성 이해를 지원합니다. 이러한 추가를 통해 고객은 멀티모달 워크로드를 위해 별도의 전처리 모델을 연결하는 것을 피할 수 있습니다.
창의적 AI에 대한 접근성 향상
2026년에 이미지 및 비디오 생성은 틈새 시장에서 주류로 이동했습니다. 빠른 텍스트-이미지 생성을 위해 Black Forest Labs의 FLUX.2 Small Decoder와 FLUX.2-klein-base-4B, 멀티모달 에이전트 워크플로우를 위한 Meta Muse-Glimmer-30B, 비디오 생성을 위한 NVIDIA Cosmos3를 온보딩했습니다. 이러한 모델을 통해 언어 모델에 사용하는 것과 동일한 원클릭 배포 환경으로 창의적 AI 기능에 액세스할 수 있습니다.
효율적 및 양자화 모델 우선시
모든 워크로드가 프론티어급 모델을 필요로 하는 것은 아니며, 많은 고객이 프로덕션으로 이동하면서 추론 비용 최적화에 집중하고 있습니다. 우리는 여러 양자화 및 소형 모델을 온보딩했습니다. Zhipu AI GLM-5.2 FP8은 감소된 메모리 사용량으로 강력한 성능을 제공합니다. JetBrains Mellum2-12B는 코드 생성을 위해 2.5B개의 활성 파라미터만 사용하는 mixture-of-experts 아키텍처를 채택했습니다. OpenBMB MiniCPM5-1B는 멀티모달 기능을 1 billion 파라미터에 담았습니다. Microsoft Phi-4-mini-instruct와 IBM Granite 4.0 h-tiny는 ml.g5.xlarge와 같은 인스턴스 유형에서 소형 모델이 프로덕션 워크로드를 처리할 수 있음을 보여줍니다. 이러한 모델은 대상 사용 사례에 대해 지연 시간과 총 소유 비용(TCO)을 최적화할 수 있습니다.
특정 작업을 위한 목적 특화 모델 온보딩
범용 LLM은 다재다능하지만, 목적 특화 모델은 특정 작업에 최적화되어 있습니다. 2026년에 우리는 네이티브 도구 호출로 자율 AI 워크플로우를 위한 Qwen-AgentWorld-35B-A3B를 온보딩했습니다. GLM-OCR, LightOnOCR, DeepSeek-OCR은 문서 텍스트 추출을 처리합니다. Qwen3-Reranker-4B와 Cohere Rerank v4.0은 Retrieval Augmented Generation(RAG) 파이프라인에서 검색 정밀도를 향상시킵니다. langcache-embed-v3-small은 시맨틱 검색을 위한 경량 임베딩을 제공합니다. Qwen3-ASR과 Qwen3-TTS는 음성 인식 및 합성을 제공합니다. OpenFold3는 과학 컴퓨팅을 위한 단백질 구조 예측을 지원합니다. 이러한 모델을 통해 단일 모델에게 모든 것을 강요하는 대신, 각 단계에서 해당 작업에 맞는 전문 도구를 사용하는 파이프라인을 구축할 수 있습니다.
제공사 다양성 확대
모델 선택에서 집중 위험을 줄이는 것은 엔터프라이즈 고객에게 중요합니다. 2026년에 우리는 이전 몇 년의 보다 집중된 집합에서 확장하여 30개 제공사를 포함하도록 카탈로그를 확대했습니다. Alibaba Qwen은 추론, 코딩, 음성, 검색에 걸쳐 29개 모델을 보유한 단일 최대 기여사입니다. Zhipu AI와 DeepSeek은 경쟁력 있는 LLM과 특화된 OCR을 추가합니다. MiniMax와 Moonshot AI는 신흥 아키텍처를 제공합니다. Cohere는 신뢰할 수 있는 리랭킹을 제공합니다. BharatGenAI와 Kakao는 지역 모델 커버리지를 확장합니다. 이러한 폭넓은 범위는 고객에게 성능, 비용, 라이선싱, 언어 지원 면에서 더 많은 선택지를 제공합니다.
2026년 SageMaker JumpStart 개선 사항
모델 온보딩 외에도 SageMaker JumpStart는 2026년에 검색부터 배포까지 모델 라이프사이클 전반의 마찰을 줄이는 중요한 개선 사항을 출시했습니다.
SageMaker AI 콘솔에서 간소화된 Model Hub
이전에는 SageMaker JumpStart 모델을 검색하려면 SageMaker Studio로 이동하여 왼쪽 탐색에서 SageMaker JumpStart 섹션을 찾아야 했습니다. 새로운 Model Hub 환경은 전체 SageMaker JumpStart 카탈로그를 SageMaker AI 콘솔 랜딩 페이지에서 바로 제공합니다. 카테고리별로 모델을 탐색하고 입력/출력 모달리티, 퍼블리셔, 모델 크기, 라이선스, 프레임워크별로 필터링할 수 있습니다. 샘플 노트북을 보고 한 번의 클릭으로 Studio 내에서 모델을 열 수도 있습니다. 이는 초기 탐색을 늦추던 다단계 탐색을 방지합니다.
사전 구성된 엔드포인트 배포 옵션
모델 배포를 위한 올바른 인스턴스 유형, 서빙 컨테이너, 최적화 설정을 선택하는 것은 일반적으로 수십 가지 조합에 걸친 수동 벤치마킹이 필요했습니다. SageMaker JumpStart는 이제 다음을 위한 최적화 옵션이 포함된 명명된 배포 구성을 제공합니다:
- 균형(Balanced) — 범용 워크로드를 위한 비용, 지연 시간, 처리량 간의 균형 잡힌 절충안.
- 처리량 최적화(Throughput optimized) — Speculative Decoding과 같은 기술을 사용하여 초당 최대 토큰 수를 제공하며, 대량 배치 처리에 이상적입니다.
- 지연 시간 최적화(Latency optimized) — 가장 낮은 Time to First Token(TTFT)으로, 대화형 애플리케이션을 위한 속도를 우선시합니다.
- 비용 최적화(Cost optimized) — 요청당 가장 낮은 인프라 비용으로, 더 높은 지연 시간을 수용할 수 있는 워크로드에 적합합니다.
이러한 구성에는 AWS Inferentia 및 AWS Trainium 인스턴스를 위한 Neuron 최적화 설정이 포함되어 있어, 배포 복잡성과 인프라 비용을 줄입니다. 구성을 수동으로 벤치마킹하는 데 몇 주를 소비하는 대신, 한 번의 클릭으로 올바른 최적화 프로파일과 함께 모델을 배포할 수 있습니다.
Hugging Face 딥 링크 통합
Hugging Face와의 새로운 통합을 통해 SageMaker Studio에 온보딩된 모델을 위한 모델 탐색이 직접 연결됩니다. Hugging Face에서 모델을 탐색할 때 다음을 선택할 수 있습니다 SageMaker AI에 배포 또는 SageMaker AI에서 사용자 지정 및 배포. 미리 구성된 Studio 환경에 바로 접속되며, 모델이 사전 로드되고 권한이 사전 구성되어 있으며 GPU 할당량 확인 기능이 내장되어 있습니다. 이를 통해 실험을 시작하기 전에 AWS Identity and Access Management(IAM) 역할을 설정하거나 도메인을 생성하거나 권한을 구성할 필요가 없습니다.
시작하기
SageMaker JumpStart를 시작하는 방법에는 세 가지가 있습니다:
- SageMaker Studio 콘솔 — SageMaker Studio를 열고 Models → JumpStart models로 이동하여 카탈로그를 탐색합니다. 모델을 선택하여 세부 정보를 확인한 후 다음을 선택합니다. 배포 또는 사용자 지정.
- SageMaker Python SDK — SageMaker Python SDK를 사용하여 프로그래밍 방식으로 모델을 배포합니다. 다음 페이지를 방문하세요: SageMaker JumpStart 모델 카탈로그 SDK 예제 및 배포 가이드를 참조하세요.
- Hugging Face 딥 링크 — 다음을 탐색하세요: HuggingFace Model Hub 에서 모델을 선택한 후 Deploy on SageMaker AI 를 클릭하면 SageMaker JumpStart에 온보딩된 모델을 위해 Studio로 바로 이동합니다.
SageMaker JumpStart의 각 모델에는 배포 구성, 샘플 노트북 및 설명서가 포함되어 있습니다. 실습 워크스루는 관련 블로그 게시물인 “Deploy and evaluate models with Amazon SageMaker JumpStart”.
결론
2026년 상반기 3개 분기는 Amazon SageMaker JumpStart에 있어 중요한 진전의 시기였습니다. 30개 공급자로부터 100개 이상의 신규 모델이 온보딩됨에 따라, 카탈로그는 이제 폭넓은 기능 범위를 아우릅니다. 여기에는 프론티어 추론 모델, 멀티모달 비전-언어 모델, 이미지 및 비디오 생성을 위한 크리에이티브 AI, 음성 인식 및 합성, 광학 문자 인식(OCR) 및 문서 이해, RAG를 위한 임베딩 및 검색 모델, 에이전트형 워크플로 모델, 그리고 특수 과학 컴퓨팅 모델이 포함됩니다.
이러한 온보딩 우선순위는 가장 강한 고객 수요와 AWS에서 AI 도입을 가속화할 가장 큰 기회가 어디에 있는지에 대한 저희의 판단을 반영합니다. 여기에는 포트폴리오 확장, 멀티모달 격차 해소, 크리에이티브 AI 접근성 향상, 효율성 및 양자화 우선시, 특수 목적 모델 온보딩, 공급자 다양성 확대가 포함됩니다.
간소화된 Model Hub, 사전 구성된 배포 옵션, Hugging Face 딥 링크 통합과 같은 향상 기능과 결합되어, SageMaker JumpStart는 모델 탐색과 프로덕션 배포 사이의 장벽을 계속 낮추고 있습니다. 전체 라인업을 살펴보려면 SageMaker JumpStart model catalog 를 방문하세요.
다음 단계
SageMaker JumpStart를 시작하는 방법은 다양합니다. 다음 중 하나를 직접 사용해 보세요!
- 모델을 평가하고 자신에게 맞는 모델 선택하기
- 다음을 수행하는 방법 알아보기 HuggingFace에서 SageMaker Studio로 배포
- 사전 학습된 모델을 사용하여 사례 기반 배포
- 디자인하기 SageMaker HyperPod 기반의 Physical AI 모델 팩토리