Scaleway : ce qu'il faut vérifier avant de choisir

Scaleway propose des GPU Instances qui fournissent des GPU dédiés au sein d'instances de calcul virtuelles et Managed Inference/Generative APIs utilisant une infrastructure GPU dédiée ; son cloud comporte également des produits Kubernetes et serverless distincts. Une GPU Instance offre un contrôle direct par SSH/conteneur ; Managed Inference fournit un endpoint de modèle géré. Les GPU Instances peuvent être rattachées séparément à une orchestration, avec les responsabilités correspondantes en matière de nœuds et d'exploitation.

Mis à jour le

Computraq prépare son lancement. Ces guides décrivent les préparatifs et le cadre proposé ; ils n’établissent aucun service actif, aucune intégration ni aucun partenariat.

Modes de livraison et périmètre d'exploitation

Scaleway propose des GPU Instances qui fournissent des GPU dédiés au sein d'instances de calcul virtuelles et Managed Inference/Generative APIs utilisant une infrastructure GPU dédiée ; son cloud comporte également des produits Kubernetes et serverless distincts.

Une GPU Instance offre un contrôle direct par SSH/conteneur ; Managed Inference fournit un endpoint de modèle géré. Les GPU Instances peuvent être rattachées séparément à une orchestration, avec les responsabilités correspondantes en matière de nœuds et d'exploitation.

Computraq est en phase de prélancement. La mention de ce fournisseur ne signifie pas que Computraq y héberge des charges de travail, a testé une intégration avec lui ou entretient une relation commerciale avec lui.

Préparation de l'acheteur et des achats

Utilisez ces questions pour préparer une évaluation comparable et spécifique à la charge de travail. Les noms de produits décrivent l'offre publiée du fournisseur ; ils n'établissent pas la disponibilité pour un compte particulier.

  • Sélectionnez des GPU Instances directes pour des environnements personnalisés ou Managed Inference pour un modèle/API géré ; vérifiez les zones de disponibilité et le stock actuel pour l'accélérateur choisi.
  • Confirmez les exigences de résidence des données et de réseau privé pour le produit spécifique, car les services d'inférence et de calcul peuvent avoir des contrôles différents.
  • Estimez les coûts de calcul, de stockage, d'IP publique, de réseau et de service géré à partir des conditions actuelles propres à chaque zone.

Preuves pour les développeurs et les opérateurs

Avant de sélectionner la capacité, créez un petit plan d'acceptation qui consigne le modèle et sa révision, la forme des entrées, le runtime, la configuration GPU, la concurrence, la latence cible ou l'achèvement du job, ainsi que les attentes de reprise. La documentation du fournisseur atteste de la conception du produit, pas du fait que cette charge de travail a été testée.

  • Pour les instances, choisissez une image OS/conteneur GPU prise en charge, vérifiez le pilote/runtime, l'exposition SSH et le dimensionnement des volumes.
  • Pour Managed Inference, testez l'interface compatible OpenAI, le catalogue de modèles ou le modèle personnalisé, le débit, le réseau et les hypothèses de confidentialité.
  • Si vous exécutez des nœuds GPU dans Kubernetes, incluez le provisionnement des instances et le temps de configuration des nœuds dans la planification de la capacité de la charge de travail.

Sources et vérification