Execute agentes em modelos de fronteira gerenciados hoje mesmo — ou alugue capacidade de GPU, implante seus próprios pesos e encaminhe tarefas Digio para endpoints privados no mesmo espaço de trabalho.
Atribua um modelo padrão por agente ou substitua por tarefa. O uso é medido em Digio Tokens a partir do saldo do seu plano – a mesma carteira, quer o agente ligue para Sonnet, GPT-4o ou 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.
O Coordenador pode recomendar Sonnet vs Opus vs um modelo flash mais barato com base no tipo de tarefa. Usuários avançados definem padrões por função de agente: pesquisa no Sonnet, revisão final no Opus, marcação em massa no Haiku ou Gemini Flash.
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.
Precisa de um ajuste fino, de um ponto de verificação isolado ou de preços de inferência previsíveis? Adicione capacidade de GPU dedicada ao seu espaço de trabalho Digio, instale a pilha de serviços de sua preferência e aponte agentes para seu endpoint privado.
Nós de GPU por hora ou por mês (classe A100, H100, L40S) anexados ao seu locatário, isolados de outros clientes.
Faça upload de safetensors, GGUF ou extraia de seu registro; execute Llama, Mistral, Qwen e ajustes personalizados.
vLLM, TGI, Ollama ou imagens de contêiner que você mantém – os agentes Digio chamam um URL base compatível com OpenAI.
Para fazer isso, o bate-papo em equipe, as habilidades e a colaboração permanecem inalterados – apenas o back-end de inferência é seu.
Envie etapas confidenciais para GPU privada e use Claude ou GPT para pesquisas públicas em um único fluxo de trabalho.
peering de VPC, saída estática, registros de auditoria e listas de permissões de modelos para equipes regulamentadas.
Configuração típica de zero até agentes ligando para seu endpoint:
Escolha VRAM, região e tempo de atividade (intermitente versus sempre ativo). O armazenamento para pesos é enviado com a instância ou montado em seu bucket.
Inicie uma imagem de serviço ou SSH, instale drivers CUDA e carregue pontos de verificação. As verificações de integridade confirmam que o modelo está pronto.
Adicione URL base, chave de API e ID do modelo nas configurações do espaço de trabalho. Digio valida a latência e o formato do token antes de entrar no ar.
Escolha seu modelo privado como padrão para agentes selecionados; os modelos Claude/GPT gerenciados permanecem disponíveis lado a lado.
O aluguel da GPU é cobrado separadamente das assinaturas do plano Digio. Contate-nos para planejamento de capacidade, SLAs e migração de um cluster de inferência existente.
Escolhendo APIs gerenciadas versus inferência auto-hospedada no Digio.
Sua assinatura Digio cobre infraestrutura, agentes e Digio Tokens incluídos. Débitos de uso do modelo gerenciado que são balanceados por tokens de entrada/saída reais. O aluguel de GPU é um complemento para as máquinas que você controla.
Sim, cada agente pode ter seu próprio padrão. Tarefas e chats podem ser substituídos em uma única execução sem alterar o padrão global.
Opus está sintonizado para raciocínios mais difíceis e planos mais coerentes; O Sonnet é mais rápido e barato para loops diários de agentes. Os modelos Haiku e da classe flash são melhores para subtarefas de volume.
Os espaços de trabalho corporativos podem restringir provedores de modelos de saída e rotear todo o tráfego do agente para o endpoint da GPU. O modo híbrido é o padrão para a maioria das equipes.
As ofertas dependem da região e da demanda – geralmente níveis de VRAM de 24 a 80 GB para modelos de classe 7B a 70B e nós multi-GPU para pilhas maiores. Ajudamos a dimensionar a VRAM a partir da contagem e quantização de parâmetros.
A orquestração (agentes, tarefas, armazenamento) permanece no seu plano. A inferência na sua GPU é cobrada como tempo de GPU; opcionalmente, você pode medir o uso em formato de token para estorno interno.
Agentes, tarefas e habilidades: o espaço de trabalho em torno do modelo que você escolher.
Comece hoje mesmo com Claude e GPT e, em seguida, adicione GPU dedicada quando estiver pronto para hospedar pesos personalizados — mesmos agentes, mesmas tarefas, sua inferência.
