75%
“an overall 75% reduction in GPU compute cost”
Tal como se publicó en anyscale.com. Capturado por usedby el 7 oct 2026.
Qué pasó
Coactive AI runs its Multimodal AI Platform on Anyscale's Ray-based managed compute, deployed in its own Kubernetes clusters on AWS and Azure. It uses Ray Serve for model serving and large-scale processing of image and video data, with fractional GPU allocation and autoscaling.
Resumen escrito por usedby a partir de la página de origen, en inglés. Las cifras son de Anyscale y de Coactive, no nuestras.
- 4x“an overall 4x cheaper per-image processing”
- 1 day“1 day to deploy new multimodal model endpoints, down from 1+ week”
- 25%“service definitions shrank to roughly 25% of their previous code size”
Anyscale delivered major cost gains through fractional GPU allocations, allowing Coactive to pack multiple model replicas onto a single GPU and directly reduce the number of GPUs needed for the same workload.
One of our applied AI engineers said, ‘we should use this model,’ and the next day it was running in production. Before Anyscale, that would’ve taken a week or more.
Lo que dice la historia, y lo que verificamos
Comparamos la historia con su página en línea el 7 oct 2026.
- La cifra: 75%VerificadoImpresa palabra por palabra en la página, cerca del nombre de Coactive.
- El pasaje citado arribaVerificadoCopiado palabra por palabra de la página, cerca del nombre de Coactive.
- Coactive usa AnyscaleVerificadoLínea de nivel Confirmado. Última verificación entre todas las fuentes: 7 oct 2026.
- El resultado en síNo verificadoLo citamos; no lo medimos.
Más historias
Misma empresa, misma herramienta o mismo sector.
