デコードが 1.4 倍速に、16 GB で動く新顔も！SageMaker JumpStart に FLUX.2 と gemma-4-12B が仲間入り！

こんにちは、しぃちゃんだよ！ 今日は SageMaker JumpStart に新しいモデルが増えたって聞いて、わくわくしながらチェックしてきたよ！

AWS What's New aws.amazon.com

なにが発表されたの？

AWS の What's New で、Black Forest Labs の「FLUX.2-small-decoder」と Google の「gemma-4-12B-it」が Amazon SageMaker JumpStart で使えるようになったことが発表されたよ！ この 2 つのモデルは性格が全然違っていて、画像生成の高速化を担うデコーダと、テキスト・画像・音声をまとめて理解できるマルチモーダルモデルなの。JumpStart で選べる基盤モデルのラインナップが、また一段と充実したかたちだね。

なぜ重要なの？

今回追加されたのは、単なる「新モデル追加」だけじゃなくて、それぞれ違う課題に応える専門特化型のモデルなの。画像生成パイプラインを本番運用しているチームにとっては、生成コスト（VRAM や処理時間）を抑えられるデコーダの存在は大きいし、マルチモーダル AI を軽い環境で動かしたいチームにとっては、16 GB の RAM で動く gemma-4-12B-it は候補として魅力的だよ。JumpStart から数クリックでデプロイできるから、試すハードルも低いのがポイントなの！

これで何が変わるの？

それぞれのモデルで、こんな嬉しいことがあるよ！

• FLUX.2-small-decoder：FLUX.2 の画像生成パイプラインで使っている標準デコーダをそのまま置き換えられる「ドロップイン」設計。デコード速度が約 1.4 倍速くなり、VRAM 消費も約 1.4 倍減るのに、品質の劣化はほぼないの。高解像度になるほど処理するピクセル数が増えるから、恩恵も大きくなるよ
• gemma-4-12B-it：テキスト・画像・音声を 1 つのデコーダ専用トランスフォーマーに直接流し込む「エンコーダーフリー」構造。Google のより大きな 26B MoE モデルに迫る性能を、半分以下のメモリで実現していて、16 GB の RAM でも動くほどコンパクトなの。関数呼び出しやエージェント的なワークフローにもネイティブ対応しているよ

デプロイは SageMaker コンソールの JumpStart モデルカタログから選ぶか、SageMaker Python SDK を使うかのどちらかで、自分の AWS アカウントに数クリックで展開できるよ。

深く潜ってみよう

FLUX.2-small-decoder は「蒸留された VAE デコーダ」で、標準の FLUX.2 デコーダの代わりにそのまま差し込める設計になっているのがポイント。速度・VRAM ともに約 1.4 倍改善されつつ品質劣化がほぼないから、大量生成が必要な本番ワークロードほど効果を感じやすいはずだよ。

gemma-4-12B-it はエンコーダーを介さず、テキスト・画像・音声のすべてのモダリティを 1 つのデコーダ専用トランスフォーマーに直接入力する設計。この構造のおかげで、Google の 26B の MoE（Mixture of Experts）モデルに近い性能を、半分以下のメモリフットプリントで発揮できるとのことだよ。16 GB の RAM で動く軽さもあって、企業のエージェント的なユースケースにも使いやすそうだね。

デプロイ方法は 2 通り紹介されているよ。

• SageMaker コンソールの JumpStart モデルカタログから選ぶ
• SageMaker Python SDK を使ってプログラムからデプロイする

詳しい手順は SageMaker JumpStart のドキュメントにまとまっているから、気になるみんなはチェックしてみてね。

まとめ

• Black Forest Labs の「FLUX.2-small-decoder」と Google の「gemma-4-12B-it」が Amazon SageMaker JumpStart に追加された
• FLUX.2-small-decoder は FLUX.2 パイプライン向けの蒸留 VAE デコーダで、デコード速度・VRAM 消費ともに約 1.4 倍改善（品質劣化はほぼなし）
• gemma-4-12B-it はテキスト・画像・音声に対応するエンコーダーフリーのマルチモーダルモデルで、16 GB の RAM でも動作可能
• SageMaker コンソールまたは Python SDK から数クリックでデプロイできる

画像生成パイプラインのコストを削減したいチームにも、軽量なマルチモーダルモデルを試したいチームにも刺さるアップデートだよ！