Hugging FaceからAmazon SageMaker Studioへワンクリックで

本日、Hugging FaceとAmazon SageMaker AIは、ディープリンク統合の開始を発表しました。開発者は、モデル発見からSageMaker Studioでのハンズオン実験までを、ワンクリックで行えるようになります。Amazon SageMaker JumpStartのファンデーションモデル（FM）をファインチューニングする場合でも、Amazon SageMaker Inferenceエンドポイントにデプロイする場合でも、関連するSageMaker Studioワークフローに直接アクセスでき、選択したモデルはプリロードされ、環境は完全に構成されてすぐに使用できます。

これまでは、Hugging Faceでモデルを見つけてからSageMaker Studioを使い始めるには、AWS Management ConsoleでAmazon SageMaker AIを開き、ドメインを作成し、AWS Identity and Access Management (IAM) 権限を構成し、場合によってはGPUクォータをリクエストするなど、複数のステップを踏む必要がありました。素早く反復したい開発者にとって、この摩擦は発想から実験への道のりを遅らせていました。今回の統合により、発見からエンタープライズデプロイメントへのより直接的な経路が実現します。

Arcee AIの創業者兼CEOであるMark McQuade氏は次のように述べています。「Arceeでは、開発者や企業が実際に実行するものを所有できるように、オープンモデルを構築しています。重みを検査し、自社データでポストトレーニングし、自分の条件でデプロイできます。この統合は、その約束を最後の1マイルまで運びます。Hugging FaceのオープンモデルからSageMaker Studioへワンクリックで移動し、何も接続することなく自分のAWS環境内でファインチューニングまたはデプロイできる。これは、オープンモデルに欠けていた体験です。あなたが所有するオープンな重みを、あなたが管理するクラウドで実行する。まさに、お客様が求めていた組み合わせです。」

今回のリリースでは、Hugging FaceモデルからSageMaker Studioワークフローへの経路を短縮する3つの機能を導入します。

Hugging FaceからSageMaker Studioへのディープリンク Hugging Faceでモデルを閲覧する際、サポートされているモデルの横にSageMaker Studioワークフローに直接マッピングされるアクションボタンが表示されます。「Customize on SageMaker AI」を選択すると、Studioのモデルカスタマイズページが開き、モデルがプリロードされてすぐにファインチューニングできます。「Deploy on SageMaker AI」を選択すると、Studioのデプロイページが開き、モデルはエンドポイントデプロイ用にプリ構成されています。各エントリポイントはコンテキストを保持するため、Studio内でモデルを再度検索する必要はありません。

事前構成済みの権限 このフローを通じて作成された新しいStudio環境には、モデルカスタマイズ、トレーニングジョブ、ノートブック実験、エンドポイントデプロイを含む、SageMaker AIの全機能に対する権限がすでに構成されています。新しい管理ポリシー「AmazonSageMakerModelCustomizationCoreAccess」が自動的に作成され、アタッチされます。これにより、教師ありファインチューニング（SFT）、直接優先最適化（DPO）、検証可能な報酬による強化学習（RLVR）、AIフィードバックからの強化学習（RLAIF）を使用したサーバーレスモデルカスタマイズジョブの権限が提供され、SageMaker AIまたはAmazon Bedrockエンドポイントへのデプロイがサポートされます。これにより、手動でIAMロールやポリシーを作成・構成する必要がなくなります。既存のStudio環境では、これらの権限を追加するためのドキュメントへの直接リンク付きのアクション可能なメッセージが表示されます。

GPUクォータの可視化 デプロイメントやトレーニングのインスタンスタイプを選択する際、Studio UIはインスタンス選択リストにクォータの空き状況を直接表示します。アカウントの現在の制限下でどのGPUインスタンスタイプ（G5、G6）が利用可能かを即座に確認でき、Service Quotasに個別に移動する必要はありません。それでもクォータ増加をリクエストする必要がある場合は、それぞれのインスタンスタイプのService Quotasページに直接リダイレクトされます。

ウォークスルー：Hugging FaceからSageMaker Studioへのディープリンク ステップ1：Hugging Faceのモデルページで、サポートされているモデルに対して「Customize on SageMaker AI」を選択します。ステップ2：既存のAWS認証情報を使用してAWSにサインインします（アクティブなコンソールセッションがある場合は自動的にスキップされます）。ステップ3：SageMaker Studioのモデルカスタマイズページに直接移動し、モデルが事前選択されています。次に、トレーニングデータ、ハイパーパラメータ、インスタンスタイプなどのファインチューニングパラメータを構成し、カスタマイズジョブを送信します。または、「Deploy on SageMaker AI」を選択すると、エンドポイントデプロイページが開き、モデルが事前構成されています。インスタンスタイプ（クォータ可視性を含む）を選択し、設定を確認してデプロイします。ステップ4：エンドポイントをデプロイした後、Studioのエンドポイントテストインターフェースから直接推論をテストします。

はじめに 今日からこのエクスペリエンスをお試しいただけます。Hugging Faceでモデルを閲覧し、サポートされているモデルの「Customize on SageMaker AI」または「Deploy on SageMaker AI」ボタンを探し、選択して簡素化されたサインインフローに従ってください。完全に構成されたSageMaker Studio環境で構築を開始できます。

このワンクリックStudioエクスペリエンスの開始により、モデル発見と実験の間の摩擦が最小限に抑えられます。Hugging FaceをSageMaker Studioワークフローに直接接続することで、開発者はフローを維持できます。コンテキストスイッチ、手動環境設定、権限トラブルシューティングは一切不要です。