Comment Aviso AI utilise TrueFoundry
L'équipe de machine learning d'Aviso AI utilise TrueFoundry pour passer de déploiements basés sur des AMI à une stack basée sur Docker, et pour déployer des LLM open source qui alimentent son assistant IA MIKI. La plateforme offre l'autoscaling, l'utilisation d'instances spot et un tableau de bord unique pour les déploiements de l'équipe.
Voir la preuve capturéeL’usage : comment Aviso AI déploie TrueFoundry
Aviso AI's machine learning team uses TrueFoundry to move from AMI-based deployments to a Docker-based stack and to deploy open-source LLMs that power its AI assistant MIKI. The platform provides autoscaling, spot instance usage and a single dashboard for the team's deployments.
Autres résultats publiés
Chiffres publiés dans l’étude de cas de TrueFoundry. usedby ne les mesure pas de façon indépendante.
Overall, the team realized a cloud cost savings of ~30-40%.
Le témoignage du client
L'équipe n'a pas eu à se préoccuper de la configuration et de la gestion des ressources.Traduction automatique de l’anglaisVoir l’original
The team did not have to think about how to configure and manage resources.Les autres entreprises qui utilisent TrueFoundry
Des clients de différents secteurs, avec une preuve publique.
Adopt AIConfirmé
Aviva CreditoConfirmé
EchoStarConfirmé
ExamRoom.AIConfirmé
FloQastConfirmé
Games24x7ConfirméConsulter la source
Cette synthèse repose sur l’étude de cas publiée par TrueFoundry. Nous vérifions la preuve publique ; les résultats sont ceux rapportés par l’éditeur.
truefoundry.com- Dernière vérification
- 9 oct. 2026
Ouvrir la capture Ce que dit le témoignage, et ce que nous avons vérifié
Ce que nous avons comparé à la page.
- Le chiffre : 100+ HoursVérifié
Imprimé mot pour mot sur la page, près du nom de Aviso AI.
- L’extrait cité plus hautVérifié
Copié mot pour mot depuis la page, près du nom de Aviso AI.
- Aviso AI utilise TrueFoundryVérifié
Ligne de niveau Confirmé.
- Le résultat lui-mêmeNon vérifié
Nous le citons ; nous ne l’avons pas mesuré.
Save 100+ Hours of developer time per month: The Machine Learning team moved to a docker-based environment, thereby reducing build times and facilitating easier local testing.