# Qwen3 の検索・リランクモデルが SageMaker JumpStart に登場したよ！

みんな、しぃちゃんだよ！今日は検索まわりのモデルのニュースを見つけたから、はりきって紹介するね！

## なにが発表されたの？

AWS の What's New によると、Qwen チームが開発した Qwen3-VL-Embedding-2B と Qwen3-Reranker-4B が、Amazon SageMaker JumpStart で使えるようになったよ。この 2 つは検索・情報取得(リトリーバル)に特化したモデルで、AWS 上に検索パイプラインを組みたい人向けの選択肢が新しく増えた形なの。

## なぜ重要なの？

この 2 つのモデルは、それぞれ役割が違うのがポイントだよ。

- Qwen3-VL-Embedding-2B: まず候補を素早く絞り込む「初期リコール」担当
- Qwen3-Reranker-4B: 絞り込んだ候補をさらに精査する「再ランキング」担当

この 2 段構えは実際の検索システムでもよく使われる定番の構成で、Qwen3-VL-Embedding-2B と Qwen3-Reranker-4B を組み合わせることで、精度と速度のバランスが取れた検索パイプラインを作りやすくなるの。しかも埋め込みモデルの方はテキストだけじゃなく画像・スクリーンショット・動画、それらが混ざった入力まで受け取れるから、テキスト検索に閉じない使い道が広がりそうだよね。

## これで何が変わるの？

これまでこうしたモデルを自前で用意しようとすると、モデルの選定やホスティング環境の構築が結構な手間だったはず。今回 SageMaker JumpStart に載ったことで、SageMaker Studio の Models セクションか SageMaker Python SDK からポチッとデプロイできるようになったよ。インフラをゼロから組まなくても、マルチモーダル検索やリランキングをすぐに取り入れられるのが嬉しいポイントだね。

## 深く潜ってみよう

それぞれのモデルが対応している内容を見てみるね。

Qwen3-VL-Embedding-2B は、こんな入力・タスクに対応してるよ。

- テキスト・画像・スクリーンショット・動画、それらを組み合わせた入力を受け付ける
- 視覚情報とテキスト情報を同じベクトル空間にまとめた埋め込みを生成する
- 画像とテキストの検索、動画とテキストのマッチング、視覚的な質問応答、マルチモーダルなコンテンツのクラスタリングに対応
- 30 以上の言語をサポート

Qwen3-Reranker-4B は、こんな役割を持つよ。

- クエリと文書のペアを受け取り、関連度スコアを出力して検索結果を精査する
- テキスト検索・コード検索・テキスト分類・テキストクラスタリング・バイテキストマイニングに対応
- 100 以上の言語をサポートし、ユーザー定義の指示(インストラクション)でタスクや言語、シーンに合わせた精度向上が可能

デプロイ方法はシンプルで、SageMaker Studio の Models セクションからクリック操作で、または SageMaker Python SDK からコードで、自分の AWS アカウントにデプロイできるよ。詳しい手順は [Amazon SageMaker JumpStart のドキュメント](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-jumpstart.html) にまとまっているよ。料金や対応リージョンなど細かい条件は今回の発表には書かれていなかったから、実際に試すときはドキュメント側も確認してみてね。

## まとめ

- Qwen3-VL-Embedding-2B と Qwen3-Reranker-4B が Amazon SageMaker JumpStart で利用可能に
- 埋め込みモデルがマルチモーダルな初期リコールを、リランキングモデルが精度の高い再ランキングを担当する 2 段構成
- Qwen3-VL-Embedding-2B は 30 以上の言語、Qwen3-Reranker-4B は 100 以上の言語に対応
- SageMaker Studio の Models セクションか Python SDK から手軽にデプロイできる

検索システムやマルチモーダル RAG を AWS 上で組みたいエンジニアには、選択肢が増えて嬉しいニュースだったよ！