Hugging Face i Amazon SageMaker Studio łączą siły: eksperymenty z modelami AI jednym kliknięciem

Hugging Face i Amazon SageMaker AI ogłosiły integrację, która ma na celu usprawnienie pracy deweloperów z modelami sztucznej inteligencji. Dzięki nowemu rozwiązaniu, użytkownicy mogą teraz przechodzić od etapu odkrywania modeli na platformie Hugging Face do praktycznych eksperymentów w Amazon SageMaker Studio za pomocą zaledwie jednego kliknięcia. Integracja ta ma znacząco przyspieszyć proces wdrażania i dostosowywania modeli, eliminując dotychczasowe bariery.

Uproszczony proces pracy z modelami AI

Dotychczasowe uruchamianie pracy w SageMaker Studio po znalezieniu modelu na Hugging Face wymagało wielu kroków, takich jak otwieranie konsoli AWS, tworzenie domeny, konfigurowanie uprawnień IAM (Identity and Access Management) oraz często wnioskowanie o zwiększenie limitu GPU. Te czynności spowalniały deweloperów, utrudniając szybkie iteracje i eksperymentowanie. Nowa integracja ma stworzyć bardziej bezpośrednią ścieżkę od odkrycia modelu do jego wdrożenia w środowisku korporacyjnym.

Mark McQuade, założyciel i dyrektor generalny Arcee AI, podkreślił znaczenie tej integracji, mówiąc: „W Arcee budujemy otwarte modele, aby deweloperzy i przedsiębiorstwa mogli faktycznie posiadać to, co uruchamiają: sprawdzać wagi, przetwarzać na własnych danych i wdrażać na własnych warunkach. Ta integracja przenosi tę obietnicę na ostatnią milę. Przejście od otwartego modelu na Hugging Face prosto do SageMaker Studio jednym kliknięciem, a następnie dostrajanie lub wdrażanie go we własnym środowisku AWS bez konieczności konfiguracji, to rodzaj doświadczenia, którego brakowało otwartym modelom. Otwarte wagi, które posiadasz, działające w chmurze, którą kontrolujesz. To jest dokładnie kombinacja, o którą prosili nasi klienci.”

Kluczowe nowości integracji

Wprowadzone rozwiązanie obejmuje trzy główne funkcje, które skracają drogę od modelu Hugging Face do działającego środowiska SageMaker Studio:

• Głębokie linki z Hugging Face do SageMaker Studio: Podczas przeglądania modeli na Hugging Face, użytkownicy zobaczą przyciski akcji przy obsługiwanych modelach, które prowadzą bezpośrednio do odpowiednich procesów w SageMaker Studio. Kontekst wybranego modelu jest zachowany, eliminując potrzebę ponownego wyszukiwania.
• Wstępnie skonfigurowane uprawnienia: Nowe środowiska Studio tworzone za pośrednictwem tego przepływu mają już skonfigurowane uprawnienia dla pełnego zakresu możliwości SageMaker AI, w tym dostosowywania modeli, zadań szkoleniowych, eksperymentów w notatnikach i wdrażania punktów końcowych. Automatycznie tworzona i dołączana jest nowa zarządzana polityka, AmazonSageMakerModelCustomizationCoreAccess, która zapewnia uprawnienia do zadań dostosowywania modeli, takich jak dostrajanie nadzorowane (SFT), optymalizacja bezpośrednich preferencji (DPO) oraz uczenie ze wzmocnieniem z weryfikowalnymi nagrodami (RLVR) i uczenie ze wzmocnieniem z informacją zwrotną od AI (RLAIF). Eliminuje to konieczność ręcznego tworzenia i konfigurowania ról i polityk AWS IAM.
• Widoczność limitu GPU: Interfejs użytkownika Studio wyświetla teraz dostępność limitu GPU bezpośrednio na liście wyboru typów instancji. Użytkownicy mogą natychmiast zobaczyć, które typy instancji GPU (G5, G6) są dostępne w ramach ich bieżących limitów konta, bez konieczności oddzielnego nawigowania do Service Quotas. W przypadku potrzeby zwiększenia limitu, użytkownik jest przekierowywany bezpośrednio na stronę Service Quotas dla danego typu instancji.

Proces działania krok po kroku

Proces korzystania z nowej integracji jest intuicyjny i składa się z kilku etapów:

1. Odkryj i wybierz: Na stronie modelu Hugging Face należy kliknąć „Deploy” i wybrać „Amazon SageMaker AI”. Jeśli model jest obsługiwany, pojawią się dwa przyciski: „Deploy on SageMaker AI” i „Customize on SageMaker AI”. Wybranie „Customize on SageMaker AI” dla obsługiwanego modelu przeniesie użytkownika do dalszych kroków.
2. Zaloguj się: Użytkownik zostanie poproszony o zalogowanie się do AWS przy użyciu istniejących poświadczeń. Jeśli aktywna sesja konsoli już istnieje, ten krok zostanie pominięty.
3. Wyląduj w Studio: Użytkownik trafia bezpośrednio na stronę Model Customization w SageMaker Studio z wstępnie wybranym modelem. Następnie można skonfigurować parametry dostrajania, takie jak dane treningowe, hiperparametry i typ instancji, a następnie przesłać zadanie dostosowywania. Alternatywnie, wybranie „Deploy on SageMaker AI” otwiera stronę wdrażania punktu końcowego w Studio z wstępnie skonfigurowanym modelem. Można wybrać typ instancji (z widocznością limitu), przejrzeć ustawienia i wdrożyć.
4. Przetestuj punkt końcowy: Po wdrożeniu punktu końcowego, można przetestować wnioskowanie bezpośrednio z interfejsu testowania punktów końcowych Studio.

Integracja ta, ogłoszona 7 lipca 2026 roku, ma na celu zminimalizowanie tarcia między odkrywaniem modelu a eksperymentowaniem z nim. Łącząc Hugging Face bezpośrednio z procesami SageMaker Studio, deweloperzy mogą pozostać w swoim przepływie pracy, unikając przełączania kontekstu, ręcznej konfiguracji środowiska i problemów z uprawnieniami. Jest to krok w kierunku bardziej płynnego i efektywnego rozwoju sztucznej inteligencji, co może przyspieszyć innowacje w tej dziedzinie.

Źródło: huggingface.co