1 亿安装量的开源项目 Ghost 背后,如何持续增长?

 Ghost 是一个非营利性的开源平台,专为内容创作者提供服务。如果你没有听过 Ghost,那你应该知道 Wordpress,Ghost 与 Wordpress 是博客部署引擎界的两大平台。Ghost 为内容创作者们提供了丰富的功能与服务,从个人博主的网站到大型组织团队的内容管理平台。Ghost 团队专注于为全球的内容创作者创建最佳的开源工具,并努力成为一个让个人可以轻松创建和开拓自己内容事业的平台。2014 年,Ghost 与 DigitalOcean 云服务就开启了合作,以满足 Ghost 在云计算方面的需求,这次合作使组织得以成长并以前所未有的方式不断发展。截止至目前,Ghost 已经在全球拥有 1 亿安装量。

Ghost 开源项目的起源

2013 年,Ghost 的联合创始人之一 John O’Nolan 有了一个想法。他想要创建一个内容创作者平台,让创作者们能够展示他们最好的作品,而不会被传统的臃肿的 CMS 或网站构建工具束缚。当他把这个想法告诉了他的朋友,现在的联合创始人 Hannah Wolfe 时,她也认为这是一个了不起的想法,并开发了 Ghost 的第一个版本,之后他在一篇博客文章中展示了这个项目。这篇文章迅速走红,在 Hacker News 上登上了头条,并吸引了超过 30,000 人的关注。在成功发起了一次 Kickstarter 众筹活动后,他们确信自己的愿景可以在行业内产生巨大影响。

John 和 Hannah 希望创建一个对世界有益、对新闻业有益、对人们有益的开源产品。他们采用了一种反创业模式,即试图让平台保持小型化,并优先考虑用户而不是筹集资金和尽可能快地扩张。基于这一理念,他们建立了一个组织结构,以确保不会出售业务。John 和 Hannah 以信托人的身份而非股东的身份创立了这家非营利性组织。

Ghost 之前就已经与 DigitalOcean 云服务有过接触,并意识到他们需要迁移到云解决方案来改善基础设施,并快速解决他们的扩展问题,以免给客户或增长带来负面影响。Ghost 需要能够在几分钟内扩展服务器容量的能力、足够的 RAM 来服务数万个 Node.js 应用程序、优秀的技术支持服务,以及最终能够让他们迁移软件而不需重大重构且无停机时间的云服务解决方案。DigitalOcean 云服务不仅能满足所有技术需求,而且 DigitalOcean 团队相信 Ghost 的使命及其开源项目的价值,并向 Ghost 提供了大量的免费使用额度,帮助组织维持稳健的基础架构以帮助其蓬勃发展。

现在,Ghost 云计算架构的每个组件都在 DigitalOcean 上运行。

高速增长与高效的团队

Ghost 团队致力于保持事物尽可能简单,包括尽量减少全职员工的数量。他们运营着一个精简高效的基础设施团队,只有一位全职员工和两位支持人员,负责每个月为超过 20,000 个不同的发布平台处理 30 亿次请求。通过巧妙地设置系统和尽可能使用托管服务,团队能够跟上客户需求增长的脚步。那时,他们已经发展到拥有超过 300 万的应用安装量,并能无障碍地持续满足客户的需求。

实践中发现的增长“捷径”

Ghost 运行大型的 Droplet(DigitalOcean 提供的虚拟服务器),其 Droplet 中容纳了 200 到 300 个客户,每个客户都有自己的容器。他们使用 LXC (Linux Containers)运行所有容器,以保持事务的简单性。Droplet 内的所有配置都通过 SaltStack 进行管理,这为 Ghost 团队节省了大量时间。当 Droplet 达到容量上限时,底层功能允许 CPU 决定启动或停止哪些应用程序,以保持最高性能。例如,如果某个客户没有访问他们的站点或使用数据,则其容器会被关闭,并将提供内容的缓存版本。当需要扩展时,Ghost团队可以调整Droplet的大小,或者快速启动一个新的Droplet,这两种操作都可以在几分钟之内完成。

“毫无疑问,如果没有 DigitalOcean 帮助我们分担重担,我们不可能只有几位全职员工就能服务于 15,000 位客户。我们从未遇到过扩展的问题。我们总能为我们的客户提供服务,因为我们有能力非常快速且轻松地进行扩展。” —— Hannah Wolfe曾表示。

在托管服务帮助下实现快速增长

Ghost 已经将其基础架构的尽可能多的部分转移到 DigitalOcean 的托管服务中。每当遇到瓶颈时,他们就会采用现成的托管解决方案,这样可以在保持小团队的同时满足客户需求。随着 Ghost 将目光投向创作者经济,为更多的作者、记者、出版商,以及围绕数字内容建立业务的公司提供服务,未来几年他们预计会有更多的增长。

随着增长,他们将继续需要扩展基础设施、处理更多客户,并保持高水平的 SLA。Ghost 相信 DigitalOcean 能够提供一切必要的技术支持。

DIgitalOcean 云服务除了提供 Droplet 云主机以外,还会提供多种托管服务,包括托管数据库(PostgreSQL、MySQL 、MongoDB 、Kafka 和 Redis)、对象存储、块存储和Kubernetes、GPU 云服务、负载均衡等。

DigitalOcean目前大部分客户是中小型企业、初创团队,目前在全球已经有 60 万的企业正在使用该云平台,并在美洲、欧洲、澳大利亚、新加坡、印度等9个地区设有15 个数据中心,可支持中国出海企业在海外快速低成本部署可靠的云基础设施,快速拓展海外业务。

最后在技术支持服务方面,DigitalOcean 在中国市场提供专业的技术支持服务。DigitalOcean 通过中国区独家战略合作伙伴卓普云AI Droplet 提供咨询、技术支持服务,为中国企业出海提供专业云服务及解决方案。

Ghost 与 DigitalOcean 强大的伙伴关系

除了 DigitalOcean 云产品的易用性和简单性外,Ghost 在 DigitalOcean 中找到了一个专注和有力的合作伙伴。Ghost 在 DigitalOcean 的 MarketPlace 上有一个应用,用户可以通过该应用一键操作来自行创建托管 Ghost 实例。该应用最初由 DigitalOcean 创建,但后来成为 DigitalOcean 和 Ghost 团队之间的协作成果。这使得 Ghost 可以控制应用程序和界面的外观,从而为跨平台的用户提供同样的优质体验。该应用现在已成为 Ghost 官方推荐的开发者自托管方式。

同时,DigitalOcean 持续为 Ghost 提供多方面的支持。Ghost 无需支付高昂的云服务提供商费用,而是能够将资金重新投资于基础设施管理、开发者和平台增强,以及投资于它们的开源社区和地区的创作者运营。

“如果没有 DigitalOcean,Ghost 就不会存在。我们得到的支持对公司的存在至关重要。虽然我们现在是盈利的,但我们并不总是盈利的,如果没有 DigitalOcean 的支持,我们可能无法走到今天这一步。我们服务的客户如果没有我们可能无法生存,如果没有 DigitalOcean 我们可能无法生存。” John O'Nolan表示。

相关推荐

Kimi K3.1 Pro 现已上线 DigitalOcean 无服务器推理

Moonshot AI 最新发布的 Kimi K3.1 Pro 现已上线 DigitalOcean 无服务器推理(Serverless Inference)。开发者无需单独管理 Moonshot AI 账号或模型基础设施,即可通过 DigitalOcean API 调用该模型,并按实际 Token 使用量付费。Kimi K3.1 Pro 是 Moonshot AI 在 Kimi K3 基础上进行大规模后训练的升级版本。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 449

Y Combinator 开源 Agent 运行框架 QM,现已支持在 DigitalOcean 一键部署

Y Combinator(YC)开发了 QM,这是一个面向 Slack 和 Web 的多人协作 Agent 运行框架。YC 最初利用 QM 在自己的各个团队中运行 Agent,涵盖财务、法务和工程等部门。今年 7 月,YC 将 QM 开源,让任何初创公司都能以同样的方式使用它。从今天起,用户可以通过 DigitalOcean Marketplace 一键部署 QM。这也是首个面向 QM 的一键部署方案。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 121

Codex 如何接入 Claude 等其它模型?使用 CC Switch 接入 FluxLane API 教程

通过本文的步骤,我们已经完成了在 macOS 上使用 CC Switch 为 Codex 桌面客户端接入 FluxLane API 的配置。你还可以在 Fluxlane 上生成多个调用不同模型的 API,然后添加到 CC Switch 中,每次选择路由不同的 API,就可以让 Codex 切换不同模型来工作。这种方式不需要修改复杂的系统配置,也不需要每次更换模型时手动编辑配置文件。通过 CC Switch 就可以统一管理 Codex 的模型。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 834

Spot GPU 与预留 GPU:AI 初创公司的实用成本指南

Spot GPU 可以显著降低灵活型训练任务和批量推理的成本。而对于稳定运行的生产工作负载,在将利用率、故障恢复和服务要求都纳入考量后,预留算力或其他可靠的算力方案可能更经济。任何一种采购模式,都不会仅凭名称就自动成为更好的选择。DigitalOcean 提供了一个明确的 H100 长期承诺价格基准。Azure 在所选区域提供了折扣幅度较大的 H100 NVL Spot 计费方案。Google Cloud 公布的 H100 Spot 折扣则低于其宣传的最高折扣幅度。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 196

不受限于 Copilot,教你在 VS Code 中接入 GPT、Claude

选择自定义接口后,VS Code 会要求填写模型提供商相关信息。Group Name(分组名称):FluxlaneAPI Key:粘贴刚刚在 Fluxlane 控制台创建的 API Key接下来,在 API 类型(API Type)中选择:Chat Completions。这里我们使用 OpenAI 兼容的 Chat Completions 接口。完成后,VS Code 会打开一个名为的配置文件,接下来需要在这个文件中填写具体的模型接口地址和模型 ID。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 612

WorkBuddy 接入自定义模型教程:接入 GPT、Claude 等大模型

在 WorkBuddy 主界面,点击底部输入框附近的模型选择器(默认显示当前模型名)。在弹出的模型列表最底部,点击“配置自定义模型你也可以从左下角头像进入“设置”,在左侧导航中选择“模型”,到达同一个配置页面。进入“模型”设置页后,点击右上角的“+ 添加模型在“提供商”下拉列表中选择最后一项“自定义 / Custom选择自定义后,接口地址、API Key、模型名称三个字段都需要手动填写。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 1930

DigitalOcean 提示词缓存正式上线,Agent 上下文最高省 90%

的提示词缓存(Prompt Caching)现已正式可用,开放模型目录中所有受支持的模型均可使用,无需修改现有请求代码。缓存输入 Token 的费用最高可降低 90%,首 Token 延迟最高可降低 80%。Agent 不会每次执行任务都从头开始。每次发起新请求时,它都会在已有上下文的末尾追加上一次工具调用的结果,而这个上下文中早已包含系统提示词、工具定义、读取过的所有文件,以及此前执行的每一步操作及其结果。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 601

DigitalOcean 无服务器推理实测:六款模型的首 Token 延迟表现

你有没有遇到过这种情况:Demo 跑得好好的语音助手,一上生产就被人吐槽"反应太慢";你翻遍模型规格表,每个都说自己"低延迟",但真到用户盯着屏幕等回复的时候,谁快谁慢你心里根本没底。更麻烦的是,这种等待是没法靠猜的。你挑了三四个模型,文档都说自己快,但没人告诉你:在你实际用的提示词长度下,谁真的能一秒内开口?谁在你把文档从 500 字加到 10,000 字之后会突然变慢?谁平时看着正常,却偶尔卡上十几秒让用户以为你的产品挂了?这些恰恰是选型时最该知道的事。但市面上没有一个简单、公开的答案。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 552

AI Agent 运行环境难搭、空闲还收费?MicroVMs 正式公测

AI Agent 使用计算资源的方式,跟传统应用不一样。在一次会话中,它会写代码、跑代码、调用模型,然后等一个工具或一个人,再接着干。所以它需要的是短促、高强度的真实计算爆发。它还需要在刚刚生成的代码周围划一道硬边界,这样某个 Agent 的错误就不会扩散到宿主机或其他客户那里。这种模式并不是 Agent 独有的。传统基础设施满足不了这些需求。一台 7×24 小时开着的服务器,去跑一个每小时只忙几分钟的工作负载,意味着你要为大量空闲计算时间买单。容器启动快、密度高,但它们和邻居共享内核。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 685

Agent Droplets 服务器正式上线:为 AI Agent 提供一站式云基础设施

上周,DigitalOcean 正式开放的公测:提供托管运行时、受权限控制的 16,000 多个工具访问、无服务器推理,以及持久化的内存和存储,全部运行在同一个云平台上。开发者已经启动了数千个 Agent Session。如今,构建一个真正有用的 Agent 已经不再困难,但要把它稳定地运行起来,依然是一件麻烦事。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 414

Claude Sonnet 5.5 现已上线 DigitalOcean AI 推理云

Anthropic 最新发布的现已上线。开发者无需单独管理 Anthropic 账号或模型基础设施,即可通过 DigitalOcean API 调用该模型,而且支持国内直连,无需担心网络障碍。相比上一代 Sonnet 5,这次升级并不是简单地把模型“做得更大”。根据 Anthropic 公布的数据,Sonnet 5.5 的输出速度比 Sonnet 5。虽然每百万 Token 的单价没有变化,但完成同一项任务通常需要更少的 Token,Anthropic 测试中单任务成本最高可降低约。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 1676

吞吐量 +38%:DigitalOcean 托管数据库高级版正式上线

随着业务规模不断扩大,数据库也会从一个简单的数据存储层,逐渐成为整个应用架构的核心。多年来,DigitalOcean 已帮助数千家初创企业和成长型公司轻松部署和扩展全托管的和数据库,无需承担复杂的日常运维工作。但随着访问流量快速增长、数据规模持续扩大,以及业务对可用性的要求越来越高,高增长工作负载需要更强大的数据库基础设施来支撑。正因如此,我们正式宣布 DigitalOcean 托管数据库 Advanced Edition(高级版)面向 MySQL 和 PostgreSQL 用户正式上线。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 496

DeepSeek V4.1 Flash 现已上线 DigitalOcean:更强 Agent,更低推理成本

DeepSeek 最新发布的现已上线,开发者可以直接通过调用,无需自己部署和维护 GPU 推理集群。这次的 V4.1 Flash 有点不一样。它并没有继续简单地追求“参数越大越好”,而是采用了 DeepSeek 新一代:模型总参数达到,但处理输入时只激活约,生成输出时激活约。更值得关注的是,在 DeepSeek 自己公布的测试中,这个“Flash”版本在不少 Agent 和 Coding Benchmark 上,反而超过了参数规模更大的。与此同时,它还支持。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 1325

DigitalOcean vs OpenRouter:2026 年 AI 模型路由对比

当生产环境中的应用开始依赖多个模型时,模型路由就不再是一个“有更好、没有也行”的功能,而会直接影响推理成本和服务可用性。如今,这已经不是少数应用才会遇到的问题。根据,81% 的受访者预计今年需要依赖两个或更多 LLM 提供方才能保持竞争力,55% 已经至少更换过一次提供方,其中最主要的原因就是降低成本。这种变化也带来了一个单靠应用代码很难解决的基础设施问题:模型路由逻辑究竟应该作为独立的一层,附加在现有技术栈之上,还是直接运行在承载应用的基础设施内部?OpenRouter 给出的答案是“模型市场”。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 1139

Kimi K3 + Claude:AI Agent 多模型路由实战

AI Agent 不同任务对模型能力的需求并不相同。本文以 Kimi K3 和 Claude 为例,介绍如何通过模型路由动态选择合适的模型,在兼顾任务质量和性能的同时,减少不必要的推理成本。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 1259

Omarchy 将研发基础设施迁移至 DigitalOcean 云平台

无论是用于打包的构建服务器、用于 PR 审查的智能体运行器,还是用于 QA 测试的 Droplet,DigitalOcean 恰好拥有我们需要的一切。简直不能想象更合适的合作伙伴了!Omarchy 的流水线就是这种模式的真实案例,而 DigitalOcean 的基础设施恰好契合其需求。除了基础设施迁移之外,DigitalOcean 还将以创始企业赞助方的身份加入 Omacom 基金会——该非营利组织为 Omarchy 的基础设施及其依赖的开源项目提供资金——并将担任 Omarchy 的智能体计算提供商。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 544

RAG 的 Embedding 模型需要微调吗?什么时候值得自己训练?

什么时候该继续用现成 Embedding API,什么时候值得自己微调?本文从 Recall@10、训练数据、向量维度和长期成本出发,给出判断方法,并介绍如何用 DigitalOcean GPU 与 PostgreSQL托管数据库搭建一套更可控的 RAG 检索架构。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 281

从API到专用GPU:2026年5大适合创业团队的AI推理平台深度对比

2026 年面向初创公司的 AI 推理服务商选型指南,深度对比 DigitalOcean、Groq、Replicate、Fireworks AI、Together AI 五家平台。从冷启动、缩容至零、扩展路径等维度评估,帮你找到从原型到生产的最优解,避免增长期的昂贵迁移。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 1068

GPT 6 Astra 已上线 DigitalOcean AI 推理云:AGI 时代的计算机操作模型来了

OpenAI 于 9 月 3 日正式发布的 GPT-6 Astra,现已通过 DigitalOcean正式上线。开发者无需自己部署和维护 GPU 推理集群,即可直接通过 DigitalOcean 调用这款 OpenAI 迄今为止能力最强的旗舰模型。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 1069

AMD旗舰GPU仅需4美元每小时,DigitalOcean上线Spot GPU实例

DigitalOcean AMD MI350X / MI355X Spot GPU 降至 $4/小时起。价格锁定、性价比极高,适合训练、批量推理等容错任务。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 605

GLM-5.3-Flash 成本优化实战:加一个参数,推理成本直降 6.3 倍

GLM-5.3-Flash API 到底要花多少钱?本文通过 2700 次真实调用,对比 GLM-5.3-Flash、Qwen3.8-Max 与 Kimi K3 的 Token 消耗和实际成本,并实测 reasoning_effort 如何将推理费用降低 6.3 倍。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 2266

Baseten vs DigitalOcean、RunPod:7 个 AI 模型部署平台横向对比

RunPod、Modal、Replicate 和 Spheron 与 Baseten 的核心产品竞争最直接。它们提供 Dedicated 或 Flexible GPU Infrastructure,用于运行自定义或微调模型,而不是只调用一个预建的 Model Catalog Entry。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 873

GLM 5.3 已上线 DigitalOcean AI 推理云平台:Agent 任务的高性价比底座来了

GLM-5.3-Flash 已上线 DigitalOcean AI 推理云平台:3200 亿参数、每 Token 仅激活 180 亿参数,支持 100 万 Token 上下文与原生图像/视频输入。DigitalOcean 调用价格低至每百万输入 Token 0.15 美元,并支持统一 API、多模型路由与模型评估。Z.ai 最新发布的现已上线,开发者可以直接通过调用,无需自己部署和维护 GPU 推理集群。如果你之前关注过 OpenRouter 和 OpenCode 上那个没有公开身份的。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 1027

25 万条数据只花 7.04 美元,LLM 批量推理到底有多省?

25 万次请求被拆分成 7 个批量推理工作,全部完成且 0 失败;99.99% 的返回结果符合 JSON Schema,模型与数据集自带产品标签的一致性达到 83.6%。最大的推理任务每个包含 40,000 次请求,完成时间为 1.4~2.2 小时,远低于 24 小时的 Completion Window。一个包含 25,000 次请求、使用 Claude 模型的批量推理任务只用了 17 分钟。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 1566

面向 AI 工作负载,单核性能提升 30%:DigitalOcean v5 Droplets 云服务器正式上线

DigitalOcean 云平台正式推出。这是新一代计算实例,基于第 5 代 AMD EPYC™ 处理器打造。v5 Droplets 云服务器专为高性能工作负载设计,包括计算密集型 Agentic AI 平台、AI/ML 工具、高吞吐量音视频转码,以及高流量的分布式 Web 应用和 API。与上一代 Droplets 云服务器相比,v5 Droplets 云服务器的。同时,这也是 DigitalOcean 首次允许用户分别选择 vCPU、内存和存储容量,并只为实际选择的资源付费。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 1015

DigitalOcean 推理路由器新增缓存感知能力:为什么最便宜的模型不一定最省钱

Coinbase CEO Brian Armstrong 最近提出了一个问题,也是所有正在扩大 AI 使用规模的企业都在面对的问题:当 Token 用量呈指数增长时,怎样才能让 AI 支出保持基本不变?这并不是一个假设场景,而是各行各业的企业正在真实面对的问题:限制用量确实可以帮助控制账单,但也会同时限制真正有价值的工作。更好的办法,是通过更合理的默认模型、更智能的模型选择,以及针对具体工作负载更充分地利用缓存,改善每一次请求的成本结构。现在,DigitalOcean 推理路由器正式加入缓存感知(Cache

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 216

2026 LLM 成本计算指南:Token 价格、推理费用与降本方法

根据 2026 年的调查数据,去年接近四分之三的企业都出现了 AI 成本超出预算的情况。造成这一差距的一个重要原因,就是很多团队在工作负载进入生产环境之前,没有先做好准确的 LLM 成本测算。从价格表上看,Token 定价似乎很简单,无非就是每百万 Token 几美元,但真正的成本取决于工作负载上线后到底怎么运行。真实用户的提问和模型回答,长度往往和测试阶段的几个 Sample Prompt 不一样,可能更长,也可能更短。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 1438

Qwen3.8-2.4T-A95B 部署与性能解析:DigitalOcean 无服务器推理实测

Qwen3.8-2.4T-A95B 是阿里云在 2026 年 8 月发布的旗舰级开源大语言模型。它是从 Qwen3.8-Max 旗舰模型衍生而来的开放权重纯文本版本,采用混合专家架构,总参数量 2.4 万亿,每个 Token 大约激活 950 亿参数,主要面向编程、工具调用和长周期 Agent 任务。在 DigitalOcean 上,它以纯文本输入、纯文本输出的形式提供。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 874

多模型路由怎么选?2026 年 4 款主流方案对比

多模型路由位于应用和语言模型之间,负责决定每一个进入系统的请求应该交给哪个模型处理。在构建LLM 应用时,通常不存在一个模型能够在成本、延迟、推理、编程、视觉和 Tool Calling 等所有维度同时做到最好。如果应用直接调用一个固定模型,那么无论请求简单还是复杂,都只能使用同一种模型能力和价格。应用 → 多模型路由层 → 选择模型 → 执行请求 → 返回统一响应路由层先分析 Prompt 或匹配预设规则,再从候选模型中挑选更适合当前任务的模型,把请求发送出去,并以一致格式返回结果。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 869

Qwen 3.8 已上线 DigitalOcean AI 推理云平台

阿里通义千问新一代旗舰模型现已上线,并可通过直接调用。根据官方所说,这次上线的并不是一款“小修小补”的 Qwen 模型。Qwen3.8-2.4T-A95B 采用,每次推理激活约 950 亿参数,重点面向长上下文、AI 编程以及 Agent 智能体等复杂工作负载。尤其值得注意的是,它最高支持,在代码、工具调用和智能体任务上的表现已经进入当前前沿大模型梯队,而 DigitalOcean 上的调用价格为。单看价格,Qwen 3.8 未必是市场上最便宜的选择。

了解关于云主机、GPU、AI、数据库托管、Kubernetes等相关技术知识,以及DigitalOcean云平台使用教程 225
上一篇: 教程:只需四步,用openAI搭建自己的实时语音翻译应用
下一篇: 一文教你如何清理 Docker 中闲置的镜像、容器和卷
卓普云
卓普云 卓普云 卓普云
博客等级 码龄3年 3137粉丝 307原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值