Amazon SageMaker Inference는 이제 동일한 프롬프트 접두사를 공유하는 요청을 동일한 인스턴스로 보내 KV 캐시를 따뜻하게 유지하는 라우팅 전략인 접두사 인식 라우팅을 제공합니다. Llama 3.1 70B 벤치마크에서는 감소했습니다.
컴퓨팅 공급, 에너지 및 데이터 센터 용량은 AI를 얼마나 저렴하게 실행할 수 있는지를 결정합니다. 인프라 변화는 몇 주 후에 추론 비용에 나타납니다.
요약은 정보 제공 목적으로만 집계되었습니다. 전체 내용을 보려면 소스 링크를 따르세요. 데모 항목은 예시입니다.