Mosaic AI Foundation Model Serving
Serve state-of-the-art foundation models for both real-time and batch inference workload needs. This enables you to quickly and easily build applications that leverage high-quality generative AI models without the need to maintain your own model deployment.
* For regional availability: AWS, Azure, GCP, SAP
1. Throughput band is defined as a single unit of capacity available for Provisioned Throughput. The throughput in a band varies by the model; see table below for details
2. Maximum provisioned throughput per band for Batch Inference workloads is ~50% higher than for real-time workloads shown in the table
3. Hourly pricing is charged on a per-minute increment
Foundation-Modellbereitstellung: DBU-Preise und Durchsatz
Modell | Pay-Per-Token | Bereitgestellter Durchsatz für Skalierungsbänder1 |
Bereitgestellter Durchsatz für die Einstiegsbandbreite (nur verfügbar für Basis-Modelle in den USA, Kanada und Brasilien)3 |
|||
---|---|---|---|---|---|---|
DBU/1 Mio. EINGABE-Token (global) |
DBU/1 Mio. AUSGABE-Token (global) |
DBU/h (global) |
Durchsatzband2 (Token/s max.) |
DBU/h (global) |
Max Tokens / Sekunde | |
Aktuelle Modelle | ||||||
Llama 3.1 405B | 35,714 | 142.857 | 600.000 | 3.400 | 150.000 | 850 |
Llama 4 Maverick | 7,143 | 21,429 | 85.715 | 3.875 | 85.715 | 3.875 |
Llama 3.3 70B | 7,143 | 21,429 | 342.857 | 10.500 | 85.714 | 2.600 |
Llama 3.1 70B | N/A | N/A | 342.857 | 10.500 | 85.714 | 2.600 |
Llama 3.1 8B | 2.143 | 6.429 | 106.000 | 23.000 | 53.571 | 11.500 |
Llama 3.2 3B | N/A | N/A | 92.857 | 22.000 | 46.429 | 10,900 |
Llama 3.2 1B | N/A | N/A | 85.714 | 35.000 | 42.857 | 15,800 |
GTE | 1.857 | N/A | 20,000 | 9.450 | 20,000 | 9.450 |
BGE Large | 1,429 | N/A | 24.000 | 11.800 | 24.000 | 11.800 |
Ältere Modelle | ||||||
DBRX | N/A | N/A | 171.429 | 650 | 171.429 | 650 |
Llama 3 70B | N/A | N/A | 212,143 | 1.000 | 212,143 | 1.000 |
Llama 3 8B | N/A | N/A | 106.000 | 3.000 | 106.000 | 3.000 |
Llama 2 70B | N/A | N/A | 290.800 | 1.200 | 290.800 | 1.200 |
Llama 2 13B | N/A | N/A | 112,000 | 980 | 112,000 | 980 |
Mixtral 8x7B | N/A | N/A | 290,857 | 620 | 290,857 | 5.000 |
MPT-30B | N/A | N/A | 112,000 | 450 | 112,000 | 450 |
MPT 7B | N/A | N/A | 20,000 | 2.450 | 20,000 | 2.450 |
2: Das Durchsatzband ist ein modellspezifischer Maximaldurchsatz (Token pro Sekunde), der zum oben genannten Stundenpreis bereitgestellt wird. Beim bereitgestellten Durchsatz wird der Modelldurchsatz in Inkrementen seines spezifischen „Durchsatzbands“ bereitgestellt. Bei einem höheren Modelldurchsatz muss der Kunde ein geeignetes Vielfaches des Durchsatzbands festlegen, das dann mit dem entsprechenden Vielfachen des oben genannten Stundenpreises in Rechnung gestellt wird.
1: Die Durchsatzangabe ist exemplarisch und basiert auf einem typischen Echtzeit-Anwendungsfall mit einem Eingabewert von 3500 und einem Ausgabewert von 300 Token. Der Ist-Durchsatz schwankt je nach Anwendungsfall, Abfrageform und weiteren Faktoren. Eingabe-/Ausgabeverhältnisse gelten nicht für das Einbetten von Modellen.
3: Das Einstiegsband ist nur für AWS in den USA, Kanada, Brasilien und für Azure in den USA, Kanada, Brasilien und der EU verfügbar. Die Einstiegsbandbreite ist auch nicht für fein abgestimmte Versionen der Basismodelle verfügbar.
Nutzungsbasierte Abrechnung mit einer 14-tägigen kostenlosen Testversion oder kontaktieren Sie uns für Rabatte für die verbindliche Nutzung oder benutzerdefinierte Anforderungen.