DER NÄCHSTE WORKLOAD BEGINNT HIER

Große Workloads.
Keine Reservierungen.

Inferenz und GPU-Rechenleistung nach Bedarf für alles jenseits von Chat.

Batch-Verarbeitung. Embeddings. Dokument-Pipelines. Fine-Tuning. Ausgerichtet auf die Arbeit, die Sie ausführen, mit nutzungsbasierter Abrechnung.

Early Access · Die Job-Ausführung wird schrittweise freigeschaltet
WORKLOAD-ENGINEKONZEPTVORSCHAU
Batch Einbetten Extrahieren Tunen
UnifyAIEine Rechenschicht.
GPU 01
GPU 02
GPU 03
GPU 04
ZUWEISEN → AUSFÜHREN → FREIGEBENGebaut für die Aufgabe.
+ Eigene Workloads mitbringen+ Rechenleistung nach Bedarf+ Nach Nutzung bezahlen

01 / WAS SIE BAUEN KÖNNEN

KI hat viel zu tun.
Geben Sie ihr die Rechenleistung.

Für die Jobs hinter Ihrem Produkt.
Und die Pipelines, die es am Laufen halten.

01

Batch-Verarbeitung

Von tausend Datensätzen bis zum gesamten Datenbestand. Führen Sie Inferenz in großem Umfang aus, nach Ihrem Zeitplan.

DATENANREICHERUNG / OFFLINE-INFERENZ
02

Embeddings

Verwandeln Sie unstrukturierte Daten in nützliche Vektoren. Schaffen Sie die Grundlage für Suche und Retrieval.

SEMANTISCHE SUCHE / RAG
03

Dokument-Pipelines

Extrahieren, klassifizieren und transformieren Sie Dokumente in strukturierte Daten, die Ihre Anwendungen nutzen können.

EXTRAKTION / KLASSIFIZIERUNG
04

Fine-Tuning

Bringen Sie Ihre Daten mit. Passen Sie Modelle mit GPU-Rechenleistung, die zur Aufgabe passt, an Ihre Domäne an.

MODELLANPASSUNG / TRAINING

02 / DAS RECHENMODELL

Vom Workload zum Ergebnis.
Ohne Kapazitätsplanung.

DAMIT SIE WEITERBAUEN KÖNNEN

SO LÄUFT EIN JOB

Ein Job wird mit Ihrem Schlüssel eingereicht, gegen Ihr Kontingent und Guthaben geprüft, auf einer GPU gestartet, ausgeführt und nach dem Ende freigegeben.

01

Aufgabe definieren

Wählen Sie ein Modell oder bringen Sie Ihren eigenen Job mit. Legen Sie die benötigten Daten und Ressourcen fest.

02

Nach Bedarf ausführen

Die Plattform ist darauf ausgelegt, GPU-Rechenleistung für die Aufgabe bereitzustellen und nach Abschluss wieder freizugeben.

03

Ergebnisse behalten

Übernehmen Sie die Ergebnisse in Ihre Anwendung. Behalten Sie die Nutzung all Ihrer Jobs im Blick.

03 / PLATZIERUNG

Sie wählen die GPU.
Wir wählen die Cloud.

Jede GPU-SKU trägt eine geordnete Liste von Cloud-Platzierungen und eine Vertrauensstufe. Ein Job startet auf der ersten Platzierung mit freier Kapazität und wird nie auf eine niedrigere Stufe verschoben.

Eine SKU wird der Reihe nach mit ihren Cloud-Platzierungen abgeglichen, und der Job startet auf der ersten mit freier Kapazität.

04 / MARKETPLACE

Vorlagen, geprüft,
bevor jemand sie ausführt.

Eine Vorlage fasst ein Image, einen Befehl und eine GPU unter einem Namen zusammen. Jede wird vor der Veröffentlichung geprüft. Wählen Sie eine, verweisen Sie auf Ihre Daten und reichen Sie sie mit Ihrem Schlüssel ein.

Ein Image, ein Befehl und eine GPU werden zu einer Vorlage; die Vorlage wird vor dem Listing geprüft, und eine gelistete Vorlage läuft als Ihr Job.

05 / NUTZUNG STATT BINDUNG

Ihre Arbeit hat eine Laufzeit.
Ihre Rechnung sollte das auch.

Unser Abrechnungsmodell basiert auf der tatsächlichen Nutzung. So richten Sie Ihre Rechenkosten an realen Workloads aus, statt Kapazität im Voraus zu reservieren.

Preise und Verfügbarkeit werden zum Start bekanntgegeben.
DAS PRINZIP

Job ausführen.
Rechenleistung nutzen.
Nutzung bezahlen.

Nutzungsbasiert

Wenn Sie einen Job einreichen, wird ein Betrag auf Ihrem Guthaben reserviert. Die GPU-Zeit wird während der Laufzeit gemessen; am Ende zahlen Sie, was verbraucht wurde, und der Rest der Reservierung wird freigegeben.