Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
SageMaker Inferensi
Model Amazon Nova khusus sekarang tersedia pada SageMaker inferensi. Dengan Amazon Nova aktif SageMaker, Anda dapat mulai mendapatkan prediksi, atau kesimpulan, dari model Amazon Nova kustom Anda yang terlatih. SageMaker menyediakan berbagai pilihan infrastruktur dan opsi penerapan model ML untuk membantu memenuhi semua kebutuhan inferensi ML Anda. Dengan SageMaker inferensi, Anda dapat menskalakan penerapan model Anda, mengelola model secara lebih efektif dalam produksi, dan mengurangi beban operasional.
SageMaker memberi Anda berbagai opsi inferensi, seperti titik akhir waktu nyata untuk mendapatkan inferensi latensi rendah, dan titik akhir asinkron untuk kumpulan permintaan. Dengan memanfaatkan opsi inferensi yang sesuai untuk kasus penggunaan Anda, Anda dapat memastikan penerapan dan inferensi model yang efisien. Untuk informasi lebih lanjut tentang SageMaker inferensi, lihat Menerapkan model untuk inferensi.
penting
Hanya model dan LoRA-merged model kustom peringkat penuh yang didukung pada SageMaker inferensi. Untuk model LoRa yang tidak digabungkan dan model dasar, gunakan Amazon Bedrock.
Fitur
Fitur-fitur berikut tersedia untuk model Amazon Nova pada SageMaker inferensi:
Kemampuan Model
-
Pembuatan teks
Penerapan dan Penskalaan
-
Real-time titik akhir dengan pemilihan instance kustom
-
Auto Scaling — Secara otomatis menyesuaikan kapasitas berdasarkan pola lalu lintas untuk mengoptimalkan biaya dan pemanfaatan GPU. Untuk informasi selengkapnya, lihat Menskalakan SageMaker Model Amazon secara otomatis.
-
Dukungan API streaming untuk pembuatan token waktu nyata
Pemantauan dan Optimalisasi
-
CloudWatch Integrasi Amazon untuk pemantauan dan peringatan
-
Optimalisasi Zone-aware latensi ketersediaan melalui konfigurasi VPC
Alat Pengembangan
-
AWS CLI dukungan - Untuk informasi selengkapnya, lihat Referensi Perintah AWS CLI untuk. SageMaker
-
Integrasi notebook melalui dukungan SDK
Model dan instance yang didukung
Saat membuat titik akhir SageMaker inferensi, Anda dapat mengatur dua variabel lingkungan untuk mengonfigurasi penerapan: dan. CONTEXT_LENGTH MAX_CONCURRENCY
-
CONTEXT_LENGTH— Total panjang token maksimum (input+output) per permintaan -
MAX_CONCURRENCY— Jumlah maksimum permintaan bersamaan yang akan dilayani titik akhir
Tabel berikut mencantumkan model Amazon Nova yang didukung, jenis instans, dan konfigurasi yang didukung. Nilai MAX_CONCURRENCY mewakili konkurensi maksimum yang didukung untuk setiap pengaturan CONTEXT_LENGTH:
| Model | Tipe Instans | Konfigurasi yang Didukung | Kuantisasi FP8 Diperlukan |
|---|---|---|---|
| Amazon Nova Mikro | ml.g5.12xbesar |
CONTEXT_LENGTH: 4000, MAX_CONCURRENCY: 12 CONTEXT_LENGTH: 8000, MAX_CONCURRENCY: 6 |
Tidak |
| ml.g5.24xbesar | CONTEXT_LENGTH: 8000, MAX_CONCURRENCY: 8 | Tidak | |
| ml.g6e.xlarge |
CONTEXT_LENGTH: 8000, MAX_CONCURRENCY: 2 |
Tidak | |
| ml.g6e.2xlarge |
CONTEXT_LENGTH: 8000, MAX_CONCURRENCY: 2 |
Tidak | |
| ml.g6e.4xlarge |
CONTEXT_LENGTH: 8000, MAX_CONCURRENCY: 4 |
Tidak | |
| ml.g6.12xlarge |
CONTEXT_LENGTH: 4000, MAX_CONCURRENCY: 12 CONTEXT_LENGTH: 8000, MAX_CONCURRENCY: 6 |
Tidak | |
| ml.g6.24xbesar | CONTEXT_LENGTH: 8000, MAX_CONCURRENCY: 8 | Tidak | |
| ml.g6.48xlarge | CONTEXT_LENGTH: 8000, MAX_CONCURRENCY: 12 | Tidak | |
| ml.p5.48xbesar |
CONTEXT_LENGTH: 16000, MAX_CONCURRENCY: 128 CONTEXT_LENGTH: 64000, MAX_CONCURRENCY: 32 CONTEXT_LENGTH: 128000, MAX_CONCURRENCY: 8 |
Tidak | |
| Amazon Nova Lite | ml.g6.12xlarge |
CONTEXT_LENGTH: 8000, MAX_CONCURRENCY: 2 |
Ya - Diaktifkan Secara Default |
| ml.g6.24xbesar |
CONTEXT_LENGTH: 8000, MAX_CONCURRENCY: 4 |
Ya - Diaktifkan Secara Default | |
| ml.g6.48xlarge |
CONTEXT_LENGTH: 4000, MAX_CONCURRENCY: 16 CONTEXT_LENGTH: 8000, MAX_CONCURRENCY: 8 |
Tidak | |
| ml.p5.48xbesar |
CONTEXT_LENGTH: 16000, MAX_CONCURRENCY: 128 CONTEXT_LENGTH: 60000, MAX_CONCURRENCY: 8 |
Tidak | |
| Nova 2 Lite | ml.g6.48xlarge |
CONTEXT_LENGTH: 8000, MAX_CONCURRENCY: 8 |
Ya - Diaktifkan Secara Default |
| ml.p5.48xbesar |
CONTEXT_LENGTH: 16000, MAX_CONCURRENCY: 128 CONTEXT_LENGTH: 64000, MAX_CONCURRENCY: 32 CONTEXT_LENGTH: 128000, MAX_CONCURRENCY: 8 CONTEXT_LENGTH: 256000, MAX_CONCURRENCY: 2 |
Tidak |
catatan
Untuk contoh di mana kuantisasi FP8 diperlukan, itu akan diaktifkan secara default.
Nilai MAX_CONCURRENCY yang ditampilkan adalah batas atas untuk setiap pengaturan CONTEXT_LENGTH. Anda dapat menggunakan panjang konteks yang lebih rendah dengan konkurensi yang sama, tetapi melebihi nilai ini akan menyebabkan pembuatan SageMaker titik akhir gagal.
Misalnya, di Amazon Nova Micro dengan ml.g5.12xlarge:
-
CONTEXT_LENGTH=2000,MAX_CONCURRENCY=12→ Berlaku -
CONTEXT_LENGTH=8000,MAX_CONCURRENCY=12→ Ditolak (batas konkurensi adalah 6 pada panjang konteks 8000) -
CONTEXT_LENGTH=8000,MAX_CONCURRENCY=4→ Berlaku -
CONTEXT_LENGTH=8000,MAX_CONCURRENCY=6→ Berlaku -
CONTEXT_LENGTH=10000→ Ditolak (panjang konteks maks adalah 8000 pada contoh ini)
Komponen inferensi
Anda dapat menerapkan model Amazon Nova menggunakan komponen SageMaker inferensi, yang memungkinkan Anda meng-host beberapa model pada satu titik akhir dan mengoptimalkan pemanfaatan sumber daya. Komponen inferensi memungkinkan Anda menentukan sumber daya komputasi (CPU, memori, GPU) yang diperlukan untuk setiap model, memungkinkan hosting multi-model yang efisien pada infrastruktur bersama.
Tabel berikut mencantumkan persyaratan sumber daya komputasi minimum untuk setiap model Amazon Nova saat menggunakan komponen inferensi:
| Model | Inti CPU Min | Memori Min (MB) | Jumlah GPU Min |
|---|---|---|---|
| Amazon Nova Mikro | 15 | 25000 | 4 |
| Amazon Nova Lite | 20 | 35000 | 4 |
| Nova 2 Lite | 20 | 100000 | 4 |
catatan
ComputeResourceRequirementsNilai harus memenuhi atau melebihi persyaratan minimum yang tercantum dalam tabel di atas untuk model yang Anda gunakan. Menggunakan nilai di bawah minimum akan menyebabkan pembuatan komponen inferensi gagal.
Anda dapat menerapkan beberapa komponen inferensi pada titik akhir yang sama, selama total persyaratan sumber daya tidak melebihi kapasitas instance.
Jumlah komponen inferensi yang dapat Anda host pada satu titik akhir bergantung pada sumber daya jenis instans yang tersedia dan persyaratan minimum setiap model. Misalnya, pada ml.p5.48xlarge (8 GPU, 192 vCPU, ~ memori 1 TB):
-
1 komponen inferensi Amazon Nova Micro (4 GPU, 15 inti CPU, 25000 MB) → Valid
-
2 komponen inferensi Amazon Nova Micro (total 8 GPU, 30 inti CPU, 50000 MB) → Valid (sesuai dengan kapasitas instans)
-
1 komponen inferensi Nova 2 Lite (4 GPU, 20 inti CPU, 100000 MB) → Valid
-
2 komponen inferensi Nova 2 Lite (total 8 GPU, 40 inti CPU, 200000 MB) → Valid
-
3 komponen inferensi Amazon Nova Micro (total 12 GPU) → Ditolak (melebihi 8 GPU yang tersedia)
AWS Wilayah yang Didukung
Tabel berikut mencantumkan AWS Wilayah tempat model Amazon Nova tersedia pada SageMaker inferensi:
| Nama wilayah | Kode Wilayah | Ketersediaan |
|---|---|---|
| US East (Northern Virginia) | us-east-1 | Available |
| AS Barat (Oregon) | us-west-2 | Available |
Gambar Kontainer yang Didukung
Tabel berikut mencantumkan URI gambar kontainer untuk model Amazon Nova pada SageMaker inferensi berdasarkan wilayah. SM-Inference-latestTag saat ini menunjuk kev1.4.
| Region | URI Gambar Kontainer |
|---|---|
| us-east-1 | 708977205387.dkr.ecr.us-east-1.amazonaws.com/nova-inference-repo:SM-Inference-latest |
| us-west-2 | 176779409107.dkr.ecr.us-west-2.amazonaws.com/nova-inference-repo:SM-Inference-latest |
Praktik Terbaik
Untuk praktik terbaik dalam menerapkan dan mengelola model SageMaker, lihat Praktik Terbaik untuk SageMaker.
Support
Untuk masalah dan dukungan dengan model Amazon Nova pada SageMaker inferensi, hubungi AWS Support melalui Konsol atau manajer AWS akun Anda.
Topik
