ワンクリックで Hugging Face から Amazon SageMaker Studio へ移行
Hugging Face は、ユーザーがワンクリックでモデルを Amazon SageMaker Studio に移行・デプロイできる新機能を導入し、開発と運用の壁を低減した。
キーポイント
ワンクリック移行機能の実装
Hugging Face のユーザーインターフェースから直接 Amazon SageMaker Studio へモデルを切り替える機能が追加された。
デプロイと管理の簡素化
複雑な設定手順が不要になり、モデルの展開および管理プロセスが大幅に効率化される。
エコシステムの連携強化
オープンソースコミュニティである Hugging Face と、エンタープライズ向けクラウドインフラである AWS の連携が深化した。
重要な引用
Hugging Face が、ユーザーがワンクリックでプラットフォームを Amazon SageMaker Studio に切り替えられる機能を導入した
これにより、モデルのデプロイと管理が容易になる
影響分析・編集コメントを表示
影響分析
この発表は、オープンソースモデルの開発から本番環境への移行プロセスにおける摩擦を解消し、開発者の生産性を向上させる重要な一歩です。特に、Hugging Face の豊富なリソースと AWS の堅牢なインフラを組み合わせることで、AI プロジェクトのスケールアップがより容易になることが期待されます。
編集コメント
開発環境と本番環境の境界を曖昧にするこの連携は、AI プロジェクトの実装スピードを加速させる実用的なアップデートです。
- 新着情報：Hugging Face から SageMaker Studio へのディープリンク機能
- 事前設定済み権限
- GPU クォータの可視化
- チュートリアル：Hugging Face から SageMaker Studio へのディープリンク
ステップ 1: 発見と選択
- ステップ 2: ログイン
- ステップ 3: Studio に移動
- ステップ 4: エンドポイントのテスト
- はじめに
- 結論
本日、Hugging Face と Amazon SageMaker AI の間にディープリンク統合が導入されたことを発表できることを嬉しく思います。開発者は、モデルの発見から SageMaker Studio での実践的な実験までを、単一の選択で実行できるようになりました。Amazon SageMaker JumpStart からファウンデーションモデル（FM: Foundation Model）を微調整する場合も、Amazon SageMaker Inference エンドポイントにデプロイする場合も、関連する SageMaker Studio のワークフロー内に直接移動できるようになりました。選択したモデルは事前に読み込まれており、環境は完全に設定されてすぐに使用可能です。
以前、Hugging Face でモデルを発見した後、SageMaker Studio を使い始めるには、AWS コンソールで Amazon SageMaker AI を開き、ドメインを作成し、IAM 権限を設定し、場合によっては GPU クォータを要求するなど、複数の手順を踏む必要がありました。迅速に反復作業を行いたい開発者にとって、この摩擦はインスピレーション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展開までのより直接的な道筋が生まれました。
**
*「当社の Arcee では、オープンモデルを構築することで、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しています：重みを検査し、独自のデータでポストトレーニングを行い、自らの条件でデプロイできます。今回の統合は、その約束の最後の 1 マイルを実現します。Hugging Face のオープンモデルからワンクリックで SageMaker Studio へ移行し、接続作業を一切行わずに AWS 環境内でファインチューニングやデプロイを行うという体験こそが、オープンモデルが欠いていたものです。所有するオープンウェイトを、自分が制御するクラウド上で実行できる。まさにこれが、お客様が求めていた組み合わせです。」*
— Mark McQuade, Arcee AI 創設者兼 CEO
ワンクリックで Studio にアクセスできる新機能の導入により、対応している Hugging Face モデルページで「SageMaker AI でカスタマイズ」または「SageMaker AI でデプロイ」を選択すると、直接コンソールへ遷移します。その後、SageMaker AI は数秒で事前設定された権限を持つ新しいドメインを自動的にプロビジョニングし、モデルの文脈を引き継ぎます。
新機能
今回の発表により、Hugging Face のモデルから動作する SageMaker Studio ワークフローへの道筋を短縮する 3 つの機能が導入されました。
Hugging Face から SageMaker Studio へのディープリンク
Hugging Face でモデルを検索すると、サポート対象のモデルの横に、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" をクリックすると、選択したモデルが事前に読み込まれた状態で Studio の Model Customization（モデルカスタマイズ）ページが開き、ファインチューニングの準備が整います。
- "Deploy on SageMaker AI" をクリックすると、エンドポイントへのデプロイ用にモデルが事前設定された状態で Studio の Deployment（デプロイ）ページが開きます。
各エントリーポイントはコンテキストを保持するため、Studio 内に入った後に再度モデルを検索する必要はありません。
このフローを通じて作成された新しい Studio エンバイロメントには、モデルのカスタマイズ、トレーニングジョブ、ノートブックでの実験、エンドポイントのデプロイなど、SageMaker AI の全機能に対する権限がすでに設定されています。サーバーレス型モデルカスタマイズジョブ（教師あり微調整 (SFT)、直接選好最適化 (DPO)、検証可能な報酬を用いた強化学習 (RLVR)、AI フィードバックからの強化学習 (RLAIF)）および SageMaker AI または Amazon Bedrock エンドポイントへの対応デプロイに必要な権限を提供する新しい管理ポリシー AmazonSageMakerModelCustomizationCoreAccess が自動的に作成され、紐付けられます。これにより、実験を開始する前に AWS Identity and Access Management (IAM) ロールやポリシーを手動で作成・設定する必要がなくなります。既存の Studio エンバイロメントについては、これらの権限を追加するための手順を案内するドキュメントへの直接リンクを含む実行可能なメッセージが表示されます。
GPU クォータの可視性
デプロイやトレーニング用のインスタンスタイプを選択する際、Studio UI ではインスタンス選択リストにクォータの利用状況が直接表示されるようになりました。アカウントの現在の制限内で利用可能な GPU インスタンスタイプ（G5, G6）を即座に確認できます。Service Quotas に個別に移動する必要はありません。それでも制限の増額をリクエストする必要がある場合は、該当するインスタンスタイプ用の Service Quotas ページへ直接リダイレクトされます。
手順：Hugging Face から SageMaker Studio へのディープリンク
Hugging Face を出発点としてモデルのカスタマイズやデプロイを行う体験について詳しく見ていきましょう。
ステップ 1: 発見と選択
Hugging Face のモデルページで「Deploy」をクリックし、「Amazon SageMaker AI」を選択します。モデルがサポートされている場合、「Deploy on SageMaker AI」と「Customize on SageMaker AI」の 2 つのボタンが表示されます。その後、サポート対象のモデルに対しては「Customize on SageMaker AI」を選択してください。
ステップ 2: ログイン
既存の認証情報を使用して AWS にサインインするよう求められます。すでにアクティブなコンソールセッションがある場合は、このステップは自動的にスキップされます。詳細については、「AWS Management Console へのサインイン」をご覧ください。
ステップ 3: Studio へ移動
モデルが事前に選択された状態で、SageMaker Studio 内の Model Customization ページに直接移動します。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設定し、カスタマイズジョブを提出してください。
あるいは、SageMaker AI へのデプロイを選択すると、モデルが事前に設定された状態で Studio のエンドポイントデプロイページが開きます。インスタンスタイプ（クォータの可視性を含む）を選択し、設定を確認してデプロイしてください。
ステップ 4: エンドポイントをテストする
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 から直接推論を実行してテストできます。
はじめに
今日からこの体験を試すことができます:
- Hugging Face でモデルを閲覧する。
- サポートされているモデルで、SageMaker AI でのカスタマイズまたは SageMaker AI へのデプロイボタンを探す。
- 選択して、簡素化されたサインインフローに従う。
- 完全に設定された SageMaker Studio 環境で構築を開始する。
結論
ワンクリックで Studio のランディング体験が開始されることで、モデルの発見から実験までの摩擦を最小限に抑えることができます。Hugging Face を直接 SageMaker Studio のワークフローに接続することで、開発者は作業の流れを維持できます。コンテキストの切り替えも、手動での環境設定も、権限に関するトラブルシューティングも不要です。
始めるには、Amazon SageMaker Studio ページを訪れるか、Hugging Face でモデルを検索して、SageMaker AI でのデプロイまたはカスタマイズを選択してください。
原文を表示
- What’s new Deep links from Hugging Face into SageMaker Studio
- Pre-configured permissions
- GPU quota visibility
- Walkthrough: Deep-linking from Hugging Face to SageMaker Studio Step 1: Discover and select
- Step 2: Sign in
- Step 3: Land in Studio
- Step 4: Test your endpoint
- Getting started
- Conclusion
Today, we’re excited to announce a deep-link integration between Hugging Face and Amazon SageMaker AI. Developers can now go from model discovery to hands-on experimentation in SageMaker Studio with a single selection. Whether you fine-tune a foundation model (FM) from Amazon SageMaker JumpStart or deploy it to an Amazon SageMaker Inference endpoint, you can now land directly inside the relevant SageMaker Studio workflow. Your selected model is pre-loaded, and the environment is fully configured and ready to go.
Previously, getting started on SageMaker Studio after discovering a model on Hugging Face required navigating multiple steps between opening Amazon SageMaker AI in the AWS Console, creating a domain, configuring IAM permissions, and sometimes requesting GPU quota. For developers who want to iterate quickly, this friction slows down the path from inspiration to experimentation. The integration creates a more direct path from discovery to enterprise deployment.
“At Arcee, we build open models so developers and enterprises can actually own what they run: inspect the weights, post-train on their own data, and deploy on their own terms. This integration takes that promise the last mile. Going from an open model on Hugging Face straight into SageMaker Studio in a single click, then fine-tuning or deploying it inside your own AWS environment with nothing to wire up, is the kind of experience open models have been missing. Open weights you own, running in the cloud you control. That is exactly the combination our customers have been asking for.”
— Mark McQuade, Founder and CEO, Arcee AI
With the launch of a one-click Studio landing experience, choosing *Customize on SageMaker AI* or *Deploy on SageMaker AI* on a supported Hugging Face model page takes you directly to the console. SageMaker AI then automatically provisions a new domain with pre-configured permissions in seconds and carries the model context through.
What’s new
This launch introduces three capabilities that shorten the path from a Hugging Face model to a working SageMaker Studio workflow.
Deep links from Hugging Face into SageMaker Studio
When you browse models on Hugging Face, you’ll now see action buttons alongside supported models that map directly to SageMaker Studio workflows:
- Customize on SageMaker AI opens the Model Customization page in Studio with the selected model pre-loaded, ready to fine-tune.
- Deploy on SageMaker AI opens the Deployment page in Studio with the model pre-configured for endpoint deployment.
Each entry point preserves the context, meaning you don’t need to search for the model again once inside Studio.
Pre-configured permissions
New Studio environments created through this flow come with permissions already configured for the full range of SageMaker AI capabilities, including model customization, training jobs, notebook experimentation, and endpoint deployment. A new managed policy, AmazonSageMakerModelCustomizationCoreAccess, is created and attached for you. It provides permissions for serverless model customization jobs using supervised fine-tuning (SFT), direct preference optimization (DPO), reinforcement learning with verifiable rewards (RLVR), and reinforcement learning from AI feedback (RLAIF), with supported deployment to SageMaker AI or Amazon Bedrock endpoints. This alleviates the need to manually create and configure AWS Identity and Access Management (IAM) roles and policies before you can start experimenting. For existing Studio environments, actionable messages with direct links to documentation guide you through adding these permissions.
GPU quota visibility
When selecting instance types for deployment or training, the Studio UI now surfaces quota availability directly in the instance selection list. You can immediately see which GPU instance types (G5, G6) are available under your account’s current limits. You don’t need to navigate separately to Service Quotas. If you still need to request a limit increase, you’re redirected directly to the Service Quotas page for the respective instance type.
Walkthrough: Deep-linking from Hugging Face to SageMaker Studio
Let’s walk through the experience of customizing or deploying a model starting from Hugging Face.
Step 1: Discover and select
On the Hugging Face model page, click on “Deploy” and select “Amazon SageMaker AI”. If the model is supported, you will see two buttons, “Deploy on SageMaker AI” and “Customize on SageMaker AI”. Then select “Customize on SageMaker AI” for a supported model.
Step 2: Sign in
You’re prompted to sign in to AWS using your existing credentials. If you already have an active console session, this step is skipped automatically. For more information, see Sign in to the AWS Management Console.
Step 3: Land in Studio
You arrive directly on the Model Customization page inside SageMaker Studio with your model pre-selected. Next, configure your fine-tuning parameters such as training data, hyperparameters, and instance type, then submit the customization job.
Alternatively, selecting Deploy on SageMaker AI opens the endpoint deployment page in Studio with the model pre-configured. Select your instance type (quota visibility included), review the settings, and deploy.
Step 4: Test your endpoint
After you deploy your endpoint, test inference directly from Studio’s endpoint testing interface.
Getting started
You can try this experience today:
- Browse models on Hugging Face.
- Look for the Customize on SageMaker AI or Deploy on SageMaker AI buttons on supported models.
- Select and follow the streamlined sign-in flow.
- Start building in a fully configured SageMaker Studio environment.
Conclusion
The launch of a one-click Studio landing experience minimizes the friction between discovering a model and experimenting with it. By connecting Hugging Face directly to the SageMaker Studio workflows, developers can stay in their flow. There’s no context switching, no manual environment setup, and no permission troubleshooting.
To get started, visit the Amazon SageMaker Studio page or explore models on Hugging Face and choose Deploy or Customize on SageMaker AI.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み