Exowatt превосходит передовые модели по точности с помощью серверной настройки моделей SageMaker
aws ·
Компания Exowatt успешно применила серверную настройку моделей Amazon SageMaker AI для создания специализированных ИИ-агентов в сфере инфраструктуры солнечной энергетики, превзойдя передовые модели по точности и значительно снизив затраты. Компания разработала две различные дообученные модели: вариант Qwen3-1.7B для сортировки сигналов тревоги на периферийных устройствах (edge) и вариант Qwen3-14B для анализа энергорынков в облаке. Используя серверное обучение, Exowatt избавилась от необходимости ручного выделения GPU, что позволило ей быстро итерировать и разворачивать готовые к производству модели за дни, а не месяцы. Периферийная модель работает автономно на существующем оборудовании с процессором, достигая макроскопического показателя F1 равного 0.911 без затрат на подключение или инференс. В то же время облачная модель обеспечивает макроскопический F1 на уровне 0.975 при стоимости примерно в 49 раз ниже на тысячу ответов по сравнению с ведущими проприетарными моделями, такими как Claude Opus 4.7. Этот подход демонстрирует, что меньшие, узкоспециализированные дообученные модели могут превосходить более крупные универсальные модели при обучении на высококачественных курируемых данных. Полученный конвейер обеспечивает воспроизводимый путь от сырых операционных данных до сертифицированных артефактов развертывания как в ограниченных средах периферийных устройств, так и в эластичных облачных рабочих нагрузках.
aws