اَپلاید کامپیوت AC2 رو راه انداخت: کارخونه مدلسازی اختصاصی
خلاصهٔ کاملتر
اَپلاید کامپیوت، همون تیمی که پشت مدلهای اختصاصی شرکتهایی مثل مایکروسافت، انویدیا، DoorDash و Harvey هست، حالا پلتفرم داخلی خودش رو با اسم AC2 (مخفف Applied Compute Agent Cloud) در دسترس بقیه هم گذاشته. ایده اینه که دیگه انتخاب بهترین مدل عمومی کافی نیست؛ چون مدلهای متنباز هر ماه بهتر میشن و مزیت رقابتی کوتاهمدته. اَپلاید کامپیوت میگه راه درست اینه که هر شرکت یه «کارخونه مدلسازی» بسازه؛ یعنی یه فرآیند تکرارشونده که دادههای خودت رو مستقیم تبدیل به بهبود مدل میکنه.
AC2 از همه مدلهای متنباز روز پشتیبانی میکنه و میذاره تیمها بر اساس توان، سرعت و هزینه، نقطه شروع مناسب رو انتخاب کنن؛ وقتی وزنهای جدیدتر بیاد، بدون بازسازی کل زیرساخت میشه بهش مهاجرت کرد. برای آموزش هم فقط چند خط کد کافیه و میتونی هارنس آموزشی خودت رو وارد کنی.
یه کنسول هم هست که محققها باهاش میتونن rollout ها (یعنی مسیر تصمیمگیری مدل تو یه اجرا) رو بررسی کنن، اجراها رو مقایسه کنن و گریدرها رو تنظیم کنن. یه ایجنت پژوهشی به اسم Ari هم تو کل فرآیند آموزش کنار تیم کار میکنه، رولاوتها رو میخونه و حتی وقتی تیم آفلاینه، خرابیها رو پیدا میکنه.
سرویسدهی هم روی همون پلتفرم انجام میشه، یعنی مدلی که سرو میشه دقیقاً همون تنظیمات نمونهبرداری و دقت عددی زمان آموزش رو داره. بعد از تموم شدن یه اجرای آموزشی، میتونی چکپوینت رو تو چند دقیقه با ۹۹.۹٪ آپتایم و مقیاسپذیری خودکار دیپلوی کنی، بدون اینکه API یا کنترل دسترسی چیزی عوض بشه.
نکته جالب اینه که بعد از دیپلوی، دادههای تعامل واقعی کاربرا، اصلاحیهها و بازخوردها مستقیم برمیگردن تو چرخه آموزش بعدی. یه قابلیت به اسم self-distillation (یعنی یادگیری مدل از رد پای عملکرد خودش تو تولید) هم اجازه میده حتی وقتی محیط اصلی قابل بازتولید نیست، از ترافیک واقعی برای ساخت سیگنال یادگیری استفاده کنی. AC2 الان تو مرحله بتای خصوصیه.
نکات کلیدی:
- AC2 مخفف Applied Compute Agent Cloud و پلتفرم داخلی خود اَپلاید کامپیوته که حالا در دسترس همه شرکتهاست
- از مشتریهایی مثل مایکروسافت، انویدیا، Cognition، Mercor، DoorDash و Harvey قبلاً استفاده شده
- امکان آموزش مدل با چند خط کد و وارد کردن هارنس اختصاصی خودت
- دیپلوی چکپوینت تازه در چند دقیقه با ۹۹.۹٪ آپتایم و اسکیل خودکار
- قابلیت self-distillation برای یادگیری از ترافیک تولید حتی بدون بازتولید محیط اصلی
- الان در مرحله بتای خصوصی قرار داره




