Begin vandag agente op bestuurde grensmodelle—of huur GPU-kapasiteit, ontplooi jou eie gewigte en stuur Digio-take na private eindpunte in dieselfde werkspasie.
Ken 'n verstekmodel per agent toe of ignoreer per taak. Gebruik word in Digio Tokens vanaf jou planbalans gemeet - dieselfde beursie of die agent Sonnet, GPT-4o of Gemini Flash bel.
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.
Die koördineerder kan Sonnet vs Opus aanbeveel teenoor 'n goedkoper flitsmodel gebaseer op taaktipe. Kraggebruikers stel verstekke per agentrol - navorsing oor Sonnet, finale hersiening op Opus, grootmaat-merking op Haiku of 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.
Benodig u 'n fynstelling, 'n kontrolepunt met 'n luggaping of voorspelbare afleidingspryse? Voeg toegewyde GPU-kapasiteit by jou Digio-werkspasie, installeer die bedieningsstapel wat jy verkies, en wys agente by jou private eindpunt.
Uurlikse of maandelikse GPU-nodusse (A100, H100, L40S-klas) gekoppel aan jou huurder—geïsoleer van ander kliënte.
Laai beveiligers, GGUF op, of trek uit jou register; hardloop Llama, Mistral, Qwen, en pasgemaakte fynstellings.
vLLM-, TGI-, Ollama- of houerbeelde wat jy onderhou—Digio-agente noem 'n OpenAI-versoenbare basis-URL.
Om te doen, spanklets, vaardighede en samewerking onveranderd - net die afleidings-agterkant is joune.
Stuur sensitiewe stappe na private GPU en gebruik Claude of GPT vir openbare navorsing in een werkstroom.
VPC-loer, statiese uitgang, ouditlogboeke en modeltoelaelyste vir gereguleerde spanne.
Tipiese opstelling van nul tot agente wat jou eindpunt bel:
Kies VRAM, streek en optyd (bars versus altyd aan). Berging vir gewigte word saam met die instansie gestuur of monteer jou emmer.
Begin 'n diensbeeld of SSH in, installeer CUDA-bestuurders en laai kontrolepunte. Gesondheidsondersoeke bevestig dat die model gereed is.
Voeg basis-URL, API-sleutel en model-ID in werkspasie-instellings by. Digio bekragtig latensie en tekenformaat voordat dit regstreeks gaan.
Kies jou private model as die verstek vir geselekteerde agente; bestuurde Claude/GPT-modelle bly langs mekaar beskikbaar.
GPU-huur word apart van Digio-plan-intekeninge gefaktureer. Kontak ons vir kapasiteitsbeplanning, SLA's en migrasie vanaf 'n bestaande afleidingsgroepering.
Die keuse van bestuurde API's vs self-gehoste afleiding oor Digio.
Jou Digio-intekening dek infrastruktuur, agente en ingesluit Digio-tokens. Bestuurde modelgebruik debiteer daardie tokenbalans deur werklike invoer-/afvoertokens. GPU-huur is 'n byvoeging vir die masjiene wat jy beheer.
Ja—elke agent kan sy eie verstek hê. Take en kletse kan vir 'n enkele lopie ignoreer sonder om die globale verstek te verander.
Opus is ingestel vir harder redenasie en langer samehangende planne; Sonnet is vinniger en goedkoper vir alledaagse agentlusse. Haiku- en flitsklasmodelle is die beste vir volume subtake.
Ondernemingswerkruimtes kan uitgaande modelverskaffers beperk en alle agentverkeer na jou GPU-eindpunt stuur. Hibriedmodus is die verstek vir die meeste spanne.
Aanbod hang af van streek en aanvraag—gewoonlik 24–80 GB VRAM-vlakke vir 7B–70B-klasmodelle en multi-GPU-nodusse vir groter stapels. Ons help grootte VRAM van jou parameter telling en kwantisering.
Orkestrering (agente, take, berging) bly op jou plan. Afleiding oor jou GPU word gefaktureer as GPU-tyd; jy kan opsioneel tekenvormige gebruik meet vir interne terugbetaling.
Agente, take en vaardighede—die werkspasie rondom die model wat jy kies.
Begin vandag met Claude en GPT, voeg dan toegewyde GPU by wanneer jy gereed is om persoonlike gewigte aan te bied - dieselfde agente, dieselfde take, jou afleiding.
