Google Cloud stellte tägliche Tokenkontingente für BigQuery-Funktionen bereit, die Sprachmodelle aus SQL aufrufen. Erfasst sind AI.GENERATE, AI.GENERATE_TEXT, AI.CLASSIFY, AI.IF und weitere Generierungsfunktionen. Administratoren können Grenzen pro Projekt und Nutzer setzen, um große Analyseabfragen zu begrenzen.
Ein AWS-Leitfaden vom 12. Oktober beschreibt, wie ein GGUF-Modell mit dem standardmäßigen Deep-Learning-Container über SageMaker AI OpenAI-kompatible Antworten liefert. Er umfasst CPU und GPU.
AWS veröffentlichte am 9. Oktober eine technische Bewertung von Reinforcement-Learning-Durchläufen in Firecracker-MicroVMs. Mit labsweep wurden laut Unternehmen mehr als 100.000 Stichproben über mehr als 500 Konfigurationen erfasst. Bei den getesteten Lasten stieg die Latenz am langsamen Rand oberhalb einer MicroVM je virtueller CPU stark an; der Median änderte sich deutlich weniger.
Discovery AI wandelt Fragen in Alltagssprache in Sonar-Filter um. Laut AWS sanken Abfragekosten um 90 Prozent, Eingabe-Tokens um 93 Prozent und die Latenz um 75 Prozent gegenüber dem ersten Entwurf.
AWS Machine Learning Blog1 Min. Lesezeit Mit Daten
FXC Intelligence kündigte am 15. Oktober einen MCP-Server an, der KI-Werkzeuge der Kunden mit Vergleichs- und Marktdaten grenzüberschreitender Zahlungen verbindet. Laut der von AWS veröffentlichten Mitteilung nutzt er Amazon Bedrock und AgentCore sowie spezialisierte Agenten für Preise, Wettbewerbsanalyse und Markteintrittsplanung.
FXC Intelligence / AWS Press Center1 Min. Lesezeit Mit Daten
Microsoft beschrieb am 15. Oktober Neuerungen des Cosmos-DB-vNext-Emulators für KI-Programmieragenten. Der Bericht behandelt Binärprotokoll-Unterstützung, strengere Index-Metadatenprüfung und das experimentelle Nacelle-Gateway der Oktober-Versionen sowie Werkzeuge für Testdaten und Traces.
Microsoft Developer Blogs1 Min. Lesezeit Mit Daten
AWS erläuterte am 13. Oktober GPU-Kerneloptimierungen für Expertenmischmodelle auf SageMaker AI: vertauschte Matrixoperanden, FP8-Routing zum Triton-Backend und die Vermeidung unnötiger Just-in-time-Neukompilierungen.
AWS Artificial Intelligence Blog1 Min. Lesezeit Mit Daten
Microsoft AI teilte am 15. Oktober den Abschluss des Vortrainings von MAI-Base-2 mit, einem Expertenmischmodell mit 2,8 Billionen Parametern, davon 80 Milliarden aktiv. Laut Unternehmen lief das Training im August und September 38 Tage auf 16.000 GB200-GPUs; das Nachtraining dauert an.
Global Emotions umfasst 525 Stunden Sprache von 10.420 Sprechern in 83 Sprachen und 108 Sprachvarianten; das Unternehmen stellt den Datensatz für kommerzielle und Forschungszwecke bereit.