एक्सोवॉट ने सैगमेकर सर्वरलेस मॉडल कस्टमाइजेशन के साथ सटीकता में फ्रंटियर मॉडल्स को हराया
aws ·
Exowatt ने Amazon SageMaker AI के सर्वरलेस मॉडल कस्टमाइजेशन का सफलतापूर्वक उपयोग करके अपनी सौर ऊर्जा इंफ्रास्ट्रक्चर के लिए विशेष एआई एजेंट्स बनाए हैं, जिनकी सटीकता फ्रंटियर मॉडल्स से बेहतर है और लागत में काफी कमी आई है। कंपनी ने दो अलग-अलग फाइन-ट्यून्ड मॉडल्स विकसित किए: किनारे (edge) पर अलार्म ट्राजे के लिए Qwen3-1.7B वेरिएंट और क्लाउड-आधारित ऊर्जा बाजार विश्लेषण के लिए Qwen3-14B वेरिएंट। सर्वरलेस ट्रेनिंग का लाभ उठाकर Exowatt को मैन्युअल GPU प्रोविज़निंग की आवश्यकता नहीं पड़ी, जिससे वे तेजी से इटरेशन कर सकें और महीनों की जगह दिनों में उत्पादन-तैयार मॉडल्स तैनात कर सके। किनारे वाला मॉडल मौजूदा CPU हार्डवेयर पर ऑफलाइन चलता है और बिना किसी कनेक्टिविटी या इनफरेंस लागत के मैक्रो-F1 स्कोर 0.911 हासिल करता है। वहीं, क्लाउड मॉडल Claude Opus जैसे प्रमुख प्रोप्राइटरी मॉडल्स की तुलना में प्रति हज़ार जवाब लगभग 49 गुना कम लागत पर मैक्रो-F1 स्कोर 0.975 प्रदान करता है। यह दृष्टिकोण दिखाता है कि उच्च गुणवत्ता वाले, चयनित डेटा पर प्रशिक्षित छोटे, कार्य-विशिष्ट फाइन-ट्यून्ड मॉडल्स बड़े सामान्य-उद्देश्य वाले मॉडल्स को मात दे सकते हैं। परिणामी पाइपलाइन सीमित किनारे वातावरणों और लचीले क्लाउड वर्कलोड्स दोनों में कच्चे संचालनात्मक डेटा से प्रमाणित तैनाती आर्टिफैक्ट्स तक एक दोहराने योग्य मार्ग प्रदान करती है।
aws