Aioga
AI资讯 / 行业动态
返回 AI资讯

Prime Intellect 发布 Prime Inference:面向开源前沿模型的 Serverless 与预留推理服务

MarkTechPostAioga 编辑团队2026-10-03T05:37:18.000Z热度 58

Prime Intellect 推出推理服务平台 Prime Inference,为开源前沿模型提供 serverless 端点和预留容量,上线前内部日处理近 1 万亿 tok...

行业动态MarkTechPost

今日 AI 情报摘要

Prime Intellect 推出推理服务平台 Prime Inference,为开源前沿模型提供 serverless 端点和预留容量,上线前内部日处理近 1 万亿 token,主要来自 RL

rollout、合成数据生成、评测和编码智能体。

中文正文 · AI 翻译

Prime Intellect 已推出 Prime Inference:https://www.primeintellect.ai/blog/prime-inference,这是一个面向前沿开源模型的服务平台。它提供无服务器端点和 Prime 自有 GPU 的预留容量,覆盖多个数据中心。在公开发布前,它每天内部处理了近一万亿个 token。该流量来自 RL 回滚、合成数据生成、评估以及长时间运行的编码代理。

Prime Inference 是 Prime Intellect 开放训练堆栈的服务层。公司已经提供训练后工具,如 prime-rl、验证器和沙盒。服务层完成了这一闭环:部署的模型生成的生产轨迹可以反馈回训练环节。Prime 报告其 GLM-5.3:https://huggingface.co/zai-org/GLM-5.3 端点在 OpenRouter 上排名最快之一。它还提到几乎为零的工具调用错误率以及自发布以来 100% 的正常运行时间。

该堆栈结合了 NVIDIA Dynamo:https://github.com/ai-dynamo/dynamo、vLLM:https://github.com/vllm-project/vllm、Mooncake:https://github.com/kvcache-ai/Mooncake 和 FlashInfer:https://github.com/flashinfer-ai/flashinfer。它是与 Inferact 和 NVIDIA 一起构建的,修复内容也贡献给了上游项目。

目标工作负载是代理驱动型。一个典型的代理回合会向 140K token 的提示中增加约 6K token。Prime 通过 SemiAnalysis AgentX:https://inferencex.semianalysis.com/agentx,以及注入的冷启动请求来基准测试这种混合负载。

预填充/解码拆分:预填充和解码在不同的 GPU 组上运行。Dynamo 负责路由,vLLM 在每个组上运行模型。解码器通过 NIXL:https://github.com/ai-dynamo/nixl 拉取计算好的 KV。Prime 报告其测试中的 p90 token 间延迟降低了近 40%。

缓存感知路由:Dynamo 的 KV 感知路由器会权衡缓存前缀重叠与排队任务。会话在回合之间保持在同一解码器上。Mooncake 在主机 DRAM 中增加了第二级 KV。

互动性目标是每位用户每秒 100 个端到端 token。在该指标下,1:4 的预填充/解码比率服务了最多用户。它在每个预填充组达到 66 个会话,每位用户 101 tok/s,每个 GPU 输出 100 tok/s。

当工具调用使用错误的名称或损坏的参数时,代理会失败。Prime Intellect 的团队为 Dynamo 的 GLM 工具格式贡献了一个结构标签构建器。vLLM 然后使用 xgrammar:https://github.com/mlc-ai/xgrammar 来屏蔽违反工具模式的标记。团队还修复了解析错误,包括被解码到内部代码中。

竞争对手价格已于 2026 年 10 月 2 日验证。跟踪数据来自 ComputePrices,一家第三方价格跟踪工具。

需要与我们合作以推广您的 GitHub 仓库、Hugging Face 页面、产品发布或网络研讨会等吗?请联系:https://forms.gle/MJjjVDPS7whH8Ngs6

Meta, OpenAI and Uber Just Taught AI Agents to Talk First. What About When to Stay Quiet?
IBM Brings Bob to Self-Hosted and Air-Gapped Environments: Agentic Software Development Without Moving Your Code
Microsoft AI Releases MAI-Transcribe-2-Streaming: #1 Real-Time Speech-to-Text Model on Artificial Analysis
Decision AI Models Explained: TypeSafe Jev vs Fastino GLiDE, GLiNER2.5-Decide and Open-Source Competitors
NVIDIA Announces DGX Spark 64GB

Datalab 推出了 OmniExtractBench,以解决提取基准中的偏差和不透明问题:https://pxllnk.co/hxplrq

面向从业者的 AI/ML 新闻和分析,每月有超过 100 万开发者和研究人员阅读。

情报判断

Aioga 编辑摘要

Aioga 编辑摘要:Prime Intellect 推出推理服务平台 Prime Inference,为开源前沿模型提供 serverless 端点和预留容量,上线前内部日处理近 1 万亿 token,主要来自 RL Aioga 将其归入「行业动态」方向,重点关注它对真实使用和行业竞争的影响。

背景分析

背景分析:模型与研究类动态需要结合能力边界、开放方式、成本、可用性和真实任务表现判断,单项指标领先不等于已经形成稳定采用。

Aioga 观点

Aioga 判断:这条动态更适合作为行业观察信号,当前信息足以建立线索,但不足以推导长期结论。

影响与后续

影响分析:对相关团队而言,短期应先核对来源、可用范围和实际成本,再判断是否值得接入或跟进。 后续观察:继续观察官方文档、实际可用性、价格变化、开发者反馈和竞品回应。

来源与版权说明

本页正文由公开来源页面提取并按原有信息整理,同时保留来源、发布时间和原文入口。版权归原作者及来源网站所有,请通过原文链接核验和阅读来源版本。

抓取通道: 摘要聚合 · 原始域名: marktechpost.com

来源: MarkTechPost

原文链接: 打开原始来源

Aioga 归档: 查看情报页

Content record: source-page · Updated: 2026-10-03T05:37:18.000Z

API 中转站
API RELAY · DEVELOPER INFRASTRUCTURE

API 中转站

统一接入主流 AI 模型 API,为开发、测试与生产环境提供稳定调用入口。

立即访问 api.w173.com
AIOGA SHARE POSTER

分享这篇 AI 情报

Prime Intellect 推出推理服务平台 Prime Inference,为开源前沿模型提供 serverless 端点和预留容量,上线前内部日处理近 1 万亿 tok...

MarkTechPost2026-10-03T05:37:18.000Z
扫码打开文章详情扫码直达文章详情

Aioga 自动聚合全球 AI 动态,并保留来源信息用于核验与引用。