头版Folia Daily Briefing
← 返回头版
人工智能

Hetzner推出LLM推理实验服务

Hetzner已开始提供一项实验性的大语言模型推理服务,名为Hetzner Inference 。该服务采用OpenAI兼容的API接口,运行在Hetzner自有基础设施之上 。

Hetzner已开始提供一项实验性的大语言模型推理服务,名为Hetzner Inference [1]。该服务采用OpenAI兼容的API接口,运行在Hetzner自有基础设施之上 [1]。

目前该服务仅搭载一个可用模型——Qwen/Qwen3.6-35B-A3B-FP8,拥有35B参数和3B活跃参数 [1]。该模型接受文本和图像输入,具备262K的上下文窗口,采用FP8量化权重 [1]。根据2026年7月23日的测试结果,该模型的中位首token延迟为153毫秒,输出吞吐量为224 token/秒(设置512 token上限)[1]。

Hetzner当前公开的GPU服务器配置包括RTX 4000 SFF Ada(20GB)和RTX PRO 6000 Blackwell Max-Q(96GB)[1]。

该服务目前处于早期实验阶段,不提供计费、不提供服务级别协议保障,也不提供生产环境保证 [1]。Hetzner通过此举对用户需求、系统可扩展性和负载处理能力进行测试 [1]。


HetznerLLM推理OpenAI兼容APIQwen模型GPU基础设施