Vertical Mobility: Inference from MVP to Trillion-Parameter Workloads — Sitanshu Gupta, CoreWeave
Sitanshu Gupta från CoreWeave beskriver hur man bygger en inferensstapel — systemet som kör AI-modeller — som hanterar helt olika typer av arbete effektivt.
Det viktigaste insikten är att när användare skickar många frågor i följd är mycket av informationen densamma, vilket gör det mycket dyrare att bearbeta den första gången än senare gånger. CoreWeave erbjuder tre sätt att betala: serverless där du betalar per token utan att se hårdvaran, en mellanväg för kunder som vet sin trafik, och dedikerad där du själv styr allt. Systemet matchar fyra olika arbetsmönster — chattfrågor, agentbeslut, röst och video, samt batchjobb — mot varandra som Tetris för att utnyttja hårdvaran maximalt. Två viktiga optimeringar är att komprimera modellvikter till fyra bitar och träna snabba gissare på kundens egen data för att minska latens.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör AI Engineer.
Mer att läsa
Lumaril, which develops AI software for optimizing industrial production by connecting to existing control systems, raised a $66M Series A at a $400M valuation
Techmeme för 2 tim sedan
DeepSeek open sources Super-Agent as a research prototype, a proactive coding agent it says can monitor group chats for coding issues and suggest solutions
Techmeme för 2 tim sedan
Insurance software maker Guidewire agrees to acquire Hyperexponential, which makes AI-powered insurance underwriting and pricing software, for $1.7B in cash
Techmeme för 2 tim sedan
One word for AI agents in 2027
Nate Herk för 6 tim sedan