SageMaker JumpStart 新增模型中心与预配置端点部署

SageMaker JumpStart 在 2026 年做了两项改进。一是在 SageMaker AI 控制台的模型中心区域，可以直接浏览 JumpStart 目录、查看示例笔记本并在 SageMaker Studio 中打开；二是提供预配置的端点部署选项，按低成本、低延迟或通用负载等不同优先级给出命名配置，覆盖多种生成式 AI 模型，包括 Neuron 优化的配置。此外新增深度链接集成，可以从 Hugging Face 发现模型后一键跳转到 SageMaker AI 部署。 文章给出了一套可复用的三步骤评估流程，基于 SageMaker Python SDK v3：用 list_jumpstart_models 按任务或名称筛选模型，用 ModelBuilder 结合 JumpStartConfig 部署推荐实例类型，再用 retrieve_all_examples 拿到官方示例负载，逐条调用端点并统计时延和单请求生成速率，最后删除端点。实测中部署 huggingface-vlm-qwen3-5-27b 后，一条“什么是深度学习”的请求返回约 153 个词，时延 9.07 秒，单请求生成速率约 16.9 词/秒。 这条更新直接影响的是在 AWS 上评估和上线生成式模型的机器学习工程师与算法团队：预配置端点减少了选实例和调配置的工作量，一键从 Hugging Face 部署降低了跨平台搬运模型的成本。需要注意的是，负载格式、必需实例类型、最终用户许可协议和响应结构在不同模型间仍可能不同，评估脚本需要按模型做适配；部署耗时也会随模型、实例类型、配额和区域变化。