اڄڪلھ منظم فرنٽيئر ماڊلز تي ايجنٽ ھلايو- يا GPU گنجائش ڪرائي، پنھنجو وزن مقرر ڪريو، ۽ Digio ڪمن کي ساڳي ڪم جي جڳھ ۾ پرائيويٽ انڊ پوائنٽس ڏانھن رستو ڏيو.
هڪ ڊفالٽ ماڊل مقرر ڪريو في ايجنٽ يا اوور رائڊ في ڪم. توهان جي پلان بيلنس مان Digio Tokens ۾ استعمال جي ماپ ڪئي وئي آهي- ساڳيو والٽ ته ڇا ايجنٽ سڏي ٿو سونيٽ، GPT-4o، يا Gemini Flash.
Model list and token economics evolve with provider releases. Your workspace shows live options when you assign a model to an agent; Digio Tokens debit from the same balance as in pricing.
ڪوآرڊينيٽر سونيٽ بمقابله اوپس بمقابله سستا فليش ماڊل ٽاسڪ جي قسم جي بنياد تي سفارش ڪري سگهي ٿو. پاور استعمال ڪندڙ في ايجنٽ رول ڊفالٽ مقرر ڪن ٿا- سونيٽ تي تحقيق، Opus تي حتمي جائزو، هائيڪو يا Gemini Flash تي بلڪ ٽيگنگ.
Per agent — default model in agent settings; override in To do or chat when needed.
Metered fairly — input, output, and cached tokens map to Digio Token charges (see usage in your wallet).
Skills stay the same — tools and integrations work across models; only latency and cost profile change.
Plan limits — more agents and monthly Digio Tokens on higher tiers; top up anytime on the pricing page.
هڪ سٺي ٽيون جي ضرورت آهي، هڪ هوائي جڙيل چيڪ پوائنٽ، يا اڳڪٿي ڪرڻ واري قيمت جي قيمت؟ وقف ٿيل GPU گنجائش شامل ڪريو پنھنجي Digio ڪم اسپيس تي، انسٽال ڪريو سروينگ اسٽيڪ جيڪو توھان پسند ڪيو، ۽ پوائنٽ ايجنٽ پنھنجي نجي آخري پوائنٽ تي.
ڪلاڪ يا مھينا GPU نوڊس (A100, H100, L40S ڪلاس) توھان جي نوڪر سان جڙيل آھن- ٻين گراهڪن کان الڳ ٿيل.
اپلوڊ سيفٽينسرز، GGUF، يا پنھنجي رجسٽري مان ڪڍو؛ لاما، مسٽرل، قوين، ۽ ڪسٽم فائن ٽيونز کي هلائڻ.
vLLM، TGI، اولاما، يا ڪنٽينر تصويرون جيڪي توهان برقرار رکون ٿا-Digio ايجنٽ هڪ OpenAI-مطابقت رکندڙ بنيادي URL کي سڏين ٿا.
ڪرڻ لاءِ، ٽيم چيٽ، صلاحيتن، ۽ تعاون ۾ ڪا تبديلي نه آئي- رڳو انفرنس پس منظر توھان جو آھي.
پرائيويٽ GPU ڏانهن حساس قدم موڪليو ۽ هڪ ڪم فلو ۾ عوامي تحقيق لاءِ ڪلاڊ يا GPT استعمال ڪريو.
وي پي سي پيئرنگ، جامد ايگريس، آڊٽ لاگز، ۽ ماڊل اجازتون لسٽون منظم ٽيمن لاءِ.
عام سيٽ اپ صفر کان ايجنٽ تائين توهان جي آخري پوائنٽ کي ڪال ڪندي:
VRAM، علائقو، ۽ اپ ٽائم چونڊيو (برسٽ بمقابله هميشه تي). مثال سان گڏ وزن جي جهازن لاءِ اسٽوريج يا توهان جي بالٽ تي چڙهڻ.
هڪ خدمت ڪرڻ واري تصوير يا SSH ۾ شروع ڪريو، CUDA ڊرائيور انسٽال ڪريو، ۽ چيڪ پوسٽون لوڊ ڪريو. صحت جي چڪاس تصديق ڪري ٿي ته ماڊل تيار آهي.
ڪم اسپيس سيٽنگن ۾ بنيادي URL، API ڪي، ۽ ماڊل id شامل ڪريو. Digio لائيو وڃڻ کان اڳ ويڪرائي ۽ ٽوڪن فارميٽ جي تصديق ڪري ٿو.
منتخب ٿيل ايجنٽن لاءِ ڊفالٽ طور پنھنجو پرائيويٽ ماڊل چونڊيو؛ منظم ڪيل ڪلاڊ/GPT ماڊلز سان گڏ موجود آهن.
ڊيجيو پلان جي رڪنن کان GPU ڪرائي تي الڳ الڳ بل ڪيو ويندو آهي. اسان سان رابطو ڪريو ظرفيت جي منصوبابندي، SLAs، ۽ موجوده انفرنس ڪلسٽر مان لڏپلاڻ لاءِ.
Digio تي منظم ٿيل APIs بمقابله خود ميزباني جو اندازو چونڊڻ.
توهان جي Digio سبسڪرپشن انفراسٽرڪچر، ايجنٽ، ۽ ڊيجيو ٽوڪن شامل ڪري ٿي. منظم ٿيل ماڊل استعمال ڊيبٽ جيڪي ٽوڪن بيلنس حقيقي ان پٽ/آئوٽ پٽ ٽوڪن ذريعي. GPU ڪرائي تي ڏيڻ هڪ اضافو آهي انهن مشينن لاءِ جيڪي توهان ڪنٽرول ڪندا آهيو.
ها- هر ايجنٽ کي پنهنجو ڊفالٽ ٿي سگهي ٿو. ٽاسڪ ۽ چيٽ عالمي ڊفالٽ کي تبديل ڪرڻ کان سواءِ ھڪڙي رن لاءِ اوور رائڊ ڪري سگھن ٿا.
Opus سخت دليلن ۽ ڊگھي مربوط منصوبن لاءِ ترتيب ڏنل آھي؛ سونيٽ روزمره جي ايجنٽ لوپس لاءِ تيز ۽ سستو آهي. ھائيڪو ۽ فليش ڪلاس ماڊل حجم ذيلي ڪمن لاءِ بھترين آھن.
انٽرپرائز ورڪ اسپيسز آئوٽ بائونڊ ماڊل فراهم ڪندڙن کي محدود ڪري سگھن ٿيون ۽ سڀني ايجنٽ ٽرئفڪ کي توھان جي GPU جي آخري پوائنٽ ڏانھن روٽ ڪري سگھن ٿيون. هائبرڊ موڊ اڪثر ٽيمن لاءِ ڊفالٽ آهي.
آڇون علائقي ۽ طلب تي ڀاڙين ٿيون- عام طور تي 24-80 GB VRAM ٽائرز لاءِ 7B-70B ڪلاس ماڊلز ۽ ملٽي-GPU نوڊس وڏن اسٽيڪ لاءِ. اسان توهان جي پيٽرولر جي ڳڻپ ۽ مقدار جي ماپ مان VRAM جي مدد ڪندا آهيون.
آرڪيسٽريشن (ايجنٽ، ڪم، اسٽوريج) توهان جي منصوبي تي رهي ٿو. توھان جي GPU تي Inference بل آھي GPU وقت جي طور تي؛ توھان اختياري طور تي ميٽر ٽوڪن جي شڪل جو استعمال ڪري سگھو ٿا اندروني چارج بيڪ لاءِ.
ايجنٽ، ڪم، ۽ صلاحيتون- توهان جي چونڊيل ماڊل جي چوڌاري ڪم جي جڳهه.
اڄ ڪلاڊ ۽ GPT تي شروع ڪريو، پوءِ وقف ٿيل GPU شامل ڪريو جڏھن توھان تيار آھيو ھوسٽ ڪرڻ لاءِ ڪسٽم وزن- ساڳيا ايجنٽ، ساڳيا ڪم، توھان جو اندازو.
