产品优势
计费模式
按算量计费，仅在计算任务运行时计费，
算力资源0浪费
灵活性
灵活调度GPU资源，
按需弹性扩展/收缩计算资源
配套工具
开箱即用，
提供完整的大模型+Agent开发工具链
直击痛点
-
算力预算有限
大模型技术爆发式发展，用户面对动辄数百万一台的智算服务器、昂贵的配套设备成本和维护费用，预算往往捉襟见肘，迫切需要可以按实际用量计费的付费方式
-
资源浪费严重
在大模型的全生命周期中，对算力的需求和使用往往是间断的，通过裸金属方式按月按年整租算时的形式会导致算力资源浪费严重
-
资源弹性不足
算力用量在大模型的全生命周期的不同阶段波动很大，用户亟需可以根据阶段性需求弹性扩展/收缩算力资源的使用方式
-
技术门槛较高
用户需要一个弹性易用的集群环境及在其之上的一个开箱即用的AI大模型训练微调工具链，从而降低智算软硬件基础设施的配置、管理和运维的技术门槛
适用场景
LoRA模型微调
LoRA模型微调
在13B开源预训练模型上，采用30亿tokens数据进行微调，微调任务运行在2张H系列GPU上，耗时不到17小时
行业模型微调
行业模型微调
在33B开源预训练模型上，采用40亿tokens数据微调行业大模型，微调任务运行在8张H系列GPU上，耗时不到2天
行业模型微调
行业模型微调
在175B开源预训练模型上，采用70亿tokens数据微调行业大模型，微调任务运行在64张H系列GPU上，耗时不到2天
模型训练
模型训练
采用1.8万亿tokens数据自主训练一个7B大小的模型，训练任务运行在128张H系列GPU上，耗时约10天
咨询
- 售前咨询：AI基础软件产品&解决方案
- 联系电话：400-805-7188
- 联系邮箱：contact@zetyun.com
- 人才招聘：hr@zetyun.com
