Amazon SageMaker Inference bietet jetzt präfixbewusstes Routing, eine Routing-Strategie, die Anfragen mit demselben Eingabeaufforderungspräfix an dieselbe Instanz sendet, damit der KV-Cache warm bleibt. In Benchmarks auf Llama 3.1 70B reduzierte es…
Rechenleistung, Energie und Rechenzentrumskapazität entscheiden darüber, wie kostengünstig KI betrieben werden kann. Infrastrukturverschiebungen zeigen sich Wochen später in den Inferenzkosten.
In dieser Geschichte erwähnte Unternehmen und Modelle – öffnen Sie ihre Seiten und sehen Sie die aktuellen Preise
Zusammenfassungen werden nur zu Informationszwecken aggregiert – folgen Sie dem Quelllink für die vollständige Geschichte. Demo-Einträge dienen der Veranschaulichung.