MoEngage 基于 Bedrock AgentCore 构建智能体式客户互动
MoEngage 构建了 Merlin AI——一组运行在 Amazon Bedrock 与 Amazon Bedrock AgentCore 上的…

大模型从架构到上线的实现路径:框架怎么选、模型怎么部署、Token 怎么省、厂商怎么做。
选模型与精度,实时拆解权重 / KV Cache / 框架开销,并给出可落地卡型与卡数
口径:工具为资料库同名页面的站内副本(发布版本 15,数据更新 2026-11-09),测算含权重冗余、KV Cache、框架开销与 5% 安全余量,结果为选型参考,实际以压测为准。价格为该工具自带口径(人民币含税渠道价 / 美区按需折算),与本频道下方「部署速查」和算力频道的价格表分开阅读,不可互相推算。上游更新后重跑 tools/sync_vram_tool.py 同步,版本号随之变化,浏览器缓存自动失效。
多数团队先用 vLLM 起步,压测后再按吞吐或国产化要求换引擎
| 引擎 | 关键机制 | 量化与并行 | 硬件平台 | 选型提示 |
|---|---|---|---|---|
| vLLM通用开源首选 | PagedAttention 分页 KV、连续批处理、前缀缓存 | AWQ / GPTQ / FP8;TP、PP 并行 | NVIDIA / AMD / 昇腾(社区版) | 生态最广、特性跟进快,生产环境锁版本 |
| SGLang高并发与多轮对话 | RadixAttention 前缀树复用、约束解码 | 与 vLLM 主流量化基本一致;TP | NVIDIA / AMD | 前缀命中收益取决于请求相似度 |
| TensorRT-LLM固定模型追极致吞吐 | 编译期图优化、In-flight Batching | FP8 / FP4(按架构);按卡型编译 | NVIDIA | 与驱动、CUDA、TRT 版本强绑定,升级要重建 engine |
| LMDeploy国产开源模型适配快 | TurboMind 引擎、KV 量化 | AWQ / INT4 KV | NVIDIA | 新模型支持跟进快,覆盖面不及 vLLM |
| llama.cpp / Ollama单机、边缘、个人 | GGUF 量化、CPU/GPU 混合卸载 | Q2–Q8 GGUF | CPU / Apple Silicon / 消费卡 | 并发弱,不适合多租户生产 |
| MindIE昇腾原生栈 | CANN + ATB 算子、连续批处理 | 昇腾量化(W8A8 等) | 昇腾 910B / 910C / 950 系列 | 模型需完成算子适配,交付前逐项验证 |
卡型RTX 4090 24GB / L40S 48GB
模型8B–32B,INT4/AWQ
引擎Ollama 起步,转 vLLM
约束并发与长上下文先到瓶颈
卡型H20 96GB / 昇腾 950PR 112GB
模型70B FP8 或百 B 级 MoE
引擎vLLM / SGLang / TensorRT-LLM
约束要 NVLink 或 PCIe 4.0 x16,看 TTFT 与故障域
卡型昇腾 910C 128GB / 910B 64GB
模型同参数档国产开源模型
引擎MindIE + CANN
约束算子覆盖与模型迁移成本先评估
MoEngage 构建了 Merlin AI——一组运行在 Amazon Bedrock 与 Amazon Bedrock AgentCore 上的…

权重分解(WF)方法旨在降低模型的延迟、内存占用,或同时降低两者。这类方法通常将预训练模型分解为两个或多个因子,以更少的参数逼近原模型权重……
麻省理工学院的研究人员最近报告称,前沿大语言模型 GPT-6 Astra 能在一次回复中直接写出小型神经网络的权重,并能读取小型网络的原始权重,以……

实时个性化取决于能否理解客户当下的需求……
遗留的大型机 Assembler 应用维护成本高昂,且难以招到相应人手。本文提出一套多阶段、AI 驱动的方法论,借助 Amazon Bedrock、…

为学生作答评分成本高昂且耗时。此外,人工标注者容易受偏见、疲劳和评分者漂移影响,这进一步限制了评分的可靠性。已有多种方法被用于开发自动……
AI 编程智能体正越来越多地帮助开发者基本自主地修复缺陷、构建功能,但每次与模型的交互都会消耗 Token。在每次会话中,智能体都会发送指令、工具描…

一种流行的构思方法把现有工作的嵌入映射当作指南:选取远离一切的点,并将其解码为想法。我针对此后出现的研究,检验了这类距离引导构思的四种方式。……
新的工具、实用指南与合作伙伴关系,将有助于预防、发现并应对网络儿童性剥削与性虐待。
我们将 ChatGPT for Academic Researchers 项目扩展至全球 20 万名科研人员,为他们免费提供前沿模型的使用权限。
每个团队都有支配自身工作方式的“配方”。财务部门汇总……的方式


随着 AI 智能体处理日益复杂的工作流,缩短训练时间对于快速迭代模型及其驱动的智能体至关重要。MLPerf……