NVIDIA cho thấy 3 mức tối ưu hóa xếp chồng lên nhau tăng tốc độ suy luận MoE trên một DGX Spark như thế nào. Khi đưa vào Ant Group 124B Ling-3.0-flash của AI, thông lượng giải mã GSM8K đã tăng 42,5% mà không có thay đổi về độ chính xác có thể phát hiện được. Bài viết NVID…
Tính toán nguồn cung, năng lượng và công suất của trung tâm dữ liệu quyết định AI có thể vận hành với chi phí rẻ như thế nào. Sự thay đổi cơ sở hạ tầng xuất hiện trong chi phí suy luận vài tuần sau đó.
Các công ty và mô hình được đề cập trong câu chuyện này — hãy mở trang của họ và xem giá trực tiếp
Các bản tóm tắt chỉ được tổng hợp để cung cấp thông tin - hãy nhấp vào liên kết nguồn để xem toàn bộ câu chuyện. Các mục demo có tính minh họa.