画像も音声もこなす新モデル「Gemma-4-E2B-it」が SageMaker JumpStart に登場したよ！

やっほー、しぃちゃんだよ！今日は Google DeepMind の新しいモデルが SageMaker JumpStart に仲間入りしたニュースだから、わくわくが止まらないよ。

AWS What's New aws.amazon.com

なにが発表されたの？

AWS の What's New によると、Google DeepMind が開発したマルチモーダル・指示チューニング済みモデル「Gemma-4-E2B-it」が、Amazon SageMaker JumpStart で使えるようになったよ。SageMaker JumpStart で選べる基盤モデルのラインナップに、また新しい選択肢が加わったってことだね。

このモデルはローカル実行に最適化されたモデルで、AWS のインフラ上で手軽に AI アプリケーションを組み立てられるのが特徴なの。

なぜ重要なの？

これまでの基盤モデルはテキストだけ、もしくは画像くらいまでしか扱えないものが多かったけど、Gemma-4-E2B-it はテキスト・画像・音声というマルチモーダル入力に対応しているの。しかも答える前に段階を踏んで考える「推論モード」も内蔵されてるから、単純な応答だけじゃなくて、じっくり考えさせたい場面にも使えるのがポイントだよ。

これで何が変わるの？

Gemma-4-E2B-it は、テキスト・画像・音声を入力として受け取り、テキストを出力するモデル。対応している機能を並べるとこんな感じだよ。

• 画像理解: 物体検出、ドキュメント解析、画面/UI 理解、チャート読み取り、OCR
• 動画理解
• エージェント向けのネイティブなファンクションコーリング
• コード生成・補完・修正
• 数十言語にわたる多言語対応

チャットボットのような受け答えだけじゃなくて、資料やスクリーンショットを読み取ったり、道具(ツール)を自分で呼び出しながら動くエージェント的なワークフローまで、1 つのモデルでカバーできそうな守備範囲の広さだよね。

深く潜ってみよう

デプロイ方法は 2 通り用意されているよ。

• SageMaker Studio の Models セクションから、数クリックでデプロイする
• SageMaker Python SDK を使って、プログラムから自分の AWS アカウントにデプロイする

より詳しいデプロイ手順やパラメータは、Amazon SageMaker JumpStart のドキュメントにまとまっているから、実際に触ってみたい人はそっちものぞいてみてね。

まとめ

• Google DeepMind のマルチモーダルモデル「Gemma-4-E2B-it」が SageMaker JumpStart で使えるようになったよ
• テキスト・画像・音声を入力にでき、推論モードを内蔵
• 画像/動画理解、エージェント向けファンクションコーリング、コード生成・補完・修正、多言語対応まで幅広くカバー
• SageMaker Studio か Python SDK から数クリックでデプロイ可能

画像やドキュメントを読み取りながら動くマルチモーダルなエージェントアプリを、AWS 上でサクッと作りたいエンジニアにぴったりの選択肢だよ！