75%
“an overall 75% reduction in GPU compute cost”
Tel que publié sur anyscale.com. Capturé par usedby le 7 oct. 2026.
Ce qui s’est passé
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.
Résumé rédigé par usedby à partir de la page source, en anglais. Les chiffres sont ceux de Anyscale et de Coactive, pas les nôtres.
- 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.
Ce que dit le témoignage, et ce que nous avons vérifié
Nous avons comparé le témoignage à sa page en ligne le 7 oct. 2026.
- Le chiffre : 75%VérifiéImprimé mot pour mot sur la page, près du nom de Coactive.
- L’extrait cité plus hautVérifiéCopié mot pour mot depuis la page, près du nom de Coactive.
- Coactive utilise AnyscaleVérifiéLigne de niveau Confirmé. Dernière vérification, toutes sources confondues : 7 oct. 2026.
- Le résultat lui-mêmeNon vérifiéNous le citons ; nous ne l’avons pas mesuré.




