GLM 5.2 orquesta, DeepSeek V4 Flash ejecuta
Cómo diseñar sistemas multi-modelo donde un LLM abierto planifica, otro ejecuta y el contexto que se pasan entre ellos es eficiente.
Architecture
3 entradas
Qué GPU necesitas para servir modelos de IA
FP8, NVFP4, H200, B200: qué acelera en hardware cada generación de NVIDIA, cuánta VRAM necesita tu modelo y qué GPU comprar. Con datos de producción reales.
Moving Down from Serverless to Kubernetes
Before we start, a bit of context. The infrastructure is hosted on AWS and the architecture was based on Serverless services: