জেনারেটিভ এআই ইনফারেন্স: G7e ইনস্ট্যান্স ব্যবহার করে সেজমেকারে দ্রুততা আনয়ন

G7e ইনস্ট্যান্স: সেজমেকারে এআই ইনফারেন্সের জন্য একটি নতুন যুগ

জেনারেটিভ এআই এর ক্ষেত্রটি অভূতপূর্ব গতিতে বিকশিত হচ্ছে, যা আরও শক্তিশালী, নমনীয় এবং সাশ্রয়ী পরিকাঠামোর জন্য ক্রমাগত চাহিদা তৈরি করছে। আজ, Code Velocity AWS থেকে একটি উল্লেখযোগ্য অগ্রগতির খবর জানাতে পেরে উচ্ছ্বসিত: Amazon SageMaker AI-তে G7e ইনস্ট্যান্সের সাধারণ প্রাপ্যতা। NVIDIA RTX PRO 6000 Blackwell Server Edition GPU দ্বারা চালিত এই নতুন ইনস্ট্যান্সগুলি জেনারেটিভ এআই ইনফারেন্সের মানদণ্ডকে নতুনভাবে সংজ্ঞায়িত করতে প্রস্তুত, যা ডেভেলপার এবং এন্টারপ্রাইজগুলিকে অতুলনীয় পারফরম্যান্স এবং মেমরি ক্ষমতা প্রদান করবে।

Amazon SageMaker AI একটি সম্পূর্ণ পরিচালিত পরিষেবা যা ডেভেলপার এবং ডেটা বিজ্ঞানীদেরকে স্কেলে মেশিন লার্নিং মডেল তৈরি, প্রশিক্ষণ এবং স্থাপনের সরঞ্জাম সরবরাহ করে। G7e ইনস্ট্যান্সের প্রবর্তন এই প্ল্যাটফর্মে জেনারেটিভ এআই ওয়ার্কলোডগুলির জন্য একটি গুরুত্বপূর্ণ মুহূর্ত চিহ্নিত করে। এই ইনস্ট্যান্সগুলি অত্যাধুনিক NVIDIA RTX PRO 6000 Blackwell GPUগুলিকে কাজে লাগায়, যার প্রতিটি 96 GB GDDR7 মেমরি ধারণ করে। এই যথেষ্ট মেমরি বৃদ্ধির ফলে উল্লেখযোগ্যভাবে বৃহত্তর ফাউন্ডেশন মডেল (FM) সরাসরি SageMaker AI-তে স্থাপন করা সম্ভব হয়, যা উন্নত এআই অ্যাপ্লিকেশনগুলির জন্য একটি গুরুত্বপূর্ণ প্রয়োজন পূরণ করে।

সংস্থাগুলি এখন GPT-OSS-120B, Nemotron-3-Super-120B-A12B (NVFP4 ভেরিয়েন্ট) এবং Qwen3.5-35B-A3B এর মতো মডেলগুলি অসাধারণ দক্ষতার সাথে স্থাপন করতে পারে। একটি একক GPU সমন্বিত G7e.2xlarge ইনস্ট্যান্স 35 বিলিয়ন প্যারামিটার মডেল হোস্ট করতে পারে, যখন আটটি GPU সহ G7e.48xlarge 300 বিলিয়ন প্যারামিটার মডেল পর্যন্ত স্কেল করতে পারে। এই নমনীয়তা সুনির্দিষ্ট সুবিধা নিয়ে আসে: হ্রাসকৃত অপারেশনাল জটিলতা, কম ল্যাটেন্সি এবং ইনফারেন্স ওয়ার্কলোডগুলির জন্য যথেষ্ট খরচ সাশ্রয়।

G7e-এর প্রজন্মের পারফরম্যান্স লাফ উন্মোচন

G7e ইনস্ট্যান্সগুলি তাদের পূর্বসূরি G6e এবং G5 এর তুলনায় একটি অসাধারণ অগ্রগতি উপস্থাপন করে, যা G6e এর তুলনায় 2.3 গুণ দ্রুত ইনফারেন্স পারফরম্যান্স সরবরাহ করে। প্রযুক্তিগত বৈশিষ্ট্যগুলি এই প্রজন্মের অগ্রগতির উপর জোর দেয়। প্রতিটি G7e GPU একটি অসাধারণ 1,597 GB/s ব্যান্ডউইথ সরবরাহ করে, যা G6e এর প্রতি-GPU মেমরিকে কার্যকরভাবে দ্বিগুণ করে এবং G5 এর তুলনায় চারগুণ করে। উপরন্তু, নেটওয়ার্কিং ক্ষমতা নাটকীয়ভাবে উন্নত হয়েছে, যা বৃহত্তম G7e আকারের EFA সহ 1,600 Gbps পর্যন্ত বৃদ্ধি পায়। G6e এর তুলনায় এই 4x বৃদ্ধি এবং G5 এর তুলনায় 16x বৃদ্ধি লো-ল্যাটেন্সি মাল্টি-নোড ইনফারেন্স এবং ফাইন-টিউনিং পরিস্থিতিগুলির জন্য সম্ভাবনা উন্মুক্ত করে যা পূর্বে অবাস্তব বলে মনে করা হত।

এখানে 8-GPU স্তরে প্রজন্মের অগ্রগতি তুলে ধরা একটি তুলনা:

Spec	G5 (g5.48xlarge)	G6e (g6e.48xlarge)	G7e (g7e.48xlarge)
GPU	8x NVIDIA A10G	8x NVIDIA L40S	8x NVIDIA RTX PRO 6000 Blackwell
প্রতি GPU-তে GPU মেমরি	24 GB GDDR6	48 GB GDDR6	96 GB GDDR7
মোট GPU মেমরি	192 GB	384 GB	768 GB
GPU মেমরি ব্যান্ডউইথ	600 GB/s per GPU	864 GB/s per GPU	1,597 GB/s per GPU
vCPUs	192	192	192
সিস্টেম মেমরি	768 GiB	1,536 GiB	2,048 GiB
নেটওয়ার্ক ব্যান্ডউইথ	100 Gbps	400 Gbps	1,600 Gbps (EFA)
স্থানীয় NVMe স্টোরেজ	7.6 TB	7.6 TB	15.2 TB
G6e এর তুলনায় ইনফারেন্স	Baseline	~1x	Up to 2.3x

একটি একক G7e ইনস্ট্যান্সে বিশাল 768 GB সমষ্টিগত GPU মেমরি সহ, যে মডেলগুলির জন্য পূর্বে পুরানো ইনস্ট্যান্সগুলিতে জটিল মাল্টি-নোড কনফিগারেশন প্রয়োজন ছিল, সেগুলি এখন অসাধারণ সরলতার সাথে স্থাপন করা যেতে পারে। এটি ইন্টার-নোড ল্যাটেন্সি এবং অপারেশনাল ওভারহেড উল্লেখযোগ্যভাবে হ্রাস করে। পঞ্চম প্রজন্মের Tensor Cores এর মাধ্যমে FP4 নির্ভুলতার জন্য সমর্থন এবং EFAv4 এর উপর NVIDIA GPUDirect RDMA এর সাথে, G7e ইনস্ট্যান্সগুলি AWS-এ চাহিদাযুক্ত LLM, মাল্টিমোডাল এআই এবং অত্যাধুনিক এজেন্টিক ইনফারেন্স ওয়ার্কফ্লো এর জন্য সুস্পষ্টভাবে ডিজাইন করা হয়েছে।

G7e-তে বিভিন্ন জেনারেটিভ এআই ব্যবহারের ক্ষেত্র বিকশিত হয়

G7e ইনস্ট্যান্সগুলি তাদের উচ্চ মেমরি ঘনত্ব, ব্যান্ডউইথ এবং উন্নত নেটওয়ার্কিংয়ের কারণে আধুনিক জেনারেটিভ এআই ওয়ার্কলোডগুলির বিস্তৃত পরিসরের জন্য ব্যতিক্রমীভাবে উপযুক্ত। এর মধ্যে রয়েছে:

চ্যাটবট এবং কথোপকথনমূলক এআই (Conversational AI): G7e ইনস্ট্যান্সের কম 'টাইম টু ফার্স্ট টোকেন' (TTFT) এবং উচ্চ থ্রুপুট প্রতিক্রিয়াশীল এবং নির্বিঘ্ন ইন্টারেক্টিভ অভিজ্ঞতা নিশ্চিত করে, এমনকি যখন ভারী সমান্তরাল ব্যবহারকারীর লোড থাকে তখনও। রিয়েল-টাইম এআই মিথস্ক্রিয়ায় ব্যবহারীর ব্যস্ততা এবং সন্তুষ্টি বজায় রাখার জন্য এটি অত্যন্ত গুরুত্বপূর্ণ।
এজেন্টিক এবং টুল-কলিং ওয়ার্কফ্লো (Tool-Calling Workflows): রিট্রিভাল অগমেন্টেড জেনারেশন (RAG) পাইপলাইন এবং এজেন্টিক সিস্টেমগুলির জন্য, রিট্রিভাল স্টোর থেকে দ্রুত কনটেক্সট ইনজেকশন অত্যন্ত গুরুত্বপূর্ণ। G7e ইনস্ট্যান্সের মধ্যে CPU-থেকে-GPU ব্যান্ডউইথের 4 গুণ উন্নতি এই গুরুত্বপূর্ণ অপারেশনগুলির জন্য এগুলিকে ব্যতিক্রমীভাবে কার্যকর করে তোলে, যা আরও বুদ্ধিমান এবং গতিশীল এআই এজেন্টদের সক্ষম করে।
টেক্সট জেনারেশন, সারাংশ এবং দীর্ঘ-কনটেক্সট ইনফারেন্স (Long-Context Inference): 96 GB প্রতি-GPU মেমরি সহ, G7e ইনস্ট্যান্সগুলি দক্ষতার সাথে বড় কী-ভ্যালু (KV) ক্যাশে পরিচালনা করে। এটি বর্ধিত ডকুমেন্ট কনটেক্সটের অনুমতি দেয়, টেক্সট ট্রাঙ্কেশন করার প্রয়োজনীয়তা উল্লেখযোগ্যভাবে হ্রাস করে এবং বিশাল ইনপুটের উপর আরও সমৃদ্ধ, আরও সূক্ষ্ম যুক্তি সহজতর করে।
ইমেজ জেনারেশন এবং ভিশন মডেল (Vision Models): যেখানে পূর্ববর্তী প্রজন্মের ইনস্ট্যান্সগুলি বৃহত্তর মাল্টিমোডাল মডেলগুলির সাথে প্রায়শই 'আউট-অফ-মেমরি' ত্রুটির সম্মুখীন হত, সেখানে G7e-এর দ্বিগুণ মেমরি ক্ষমতা এই সীমাবদ্ধতাগুলি সুন্দরভাবে সমাধান করে, যা আরও পরিশীলিত এবং উচ্চ-রেজোলিউশনের ইমেজ এবং ভিশন এআই অ্যাপ্লিকেশনগুলির পথ প্রশস্ত করে।
ফিজিক্যাল এআই এবং বৈজ্ঞানিক কম্পিউটিং (Scientific Computing): ঐতিহ্যবাহী জেনারেটিভ এআই এর বাইরে, G7e এর Blackwell-প্রজন্মের কম্পিউট, FP4 সমর্থন এবং স্পেশাল কম্পিউটিং ক্ষমতা (DLSS 4.0 এবং 4র্থ-প্রজন্মের RT কোর সহ) ডিজিটাল টুইন, 3D সিমুলেশন এবং উন্নত ফিজিক্যাল এআই মডেল ইনফারেন্সে এর উপযোগিতা প্রসারিত করে, বৈজ্ঞানিক গবেষণা এবং শিল্প অ্যাপ্লিকেশনগুলিতে নতুন দিগন্ত উন্মোচন করে।

সুসংগত স্থাপন এবং পারফরম্যান্স বেঞ্চমার্কিং

Amazon SageMaker AI-এর মাধ্যমে G7e ইনস্ট্যান্সগুলিতে জেনারেটিভ এআই মডেল স্থাপন সহজ করার জন্য ডিজাইন করা হয়েছে। ব্যবহারকারীরা প্রক্রিয়াটিকে সুসংগত করতে একটি নমুনা নোটবুক এখানে অ্যাক্সেস করতে পারেন। পূর্বশর্তগুলির মধ্যে সাধারণত একটি AWS অ্যাকাউন্ট, SageMaker অ্যাক্সেসের জন্য একটি IAM ভূমিকা এবং ডেভেলপমেন্ট পরিবেশের জন্য Amazon SageMaker Studio বা একটি SageMaker নোটবুক ইনস্ট্যান্স অন্তর্ভুক্ত থাকে। গুরুত্বপূর্ণভাবে, ব্যবহারকারীদের সার্ভিস কোটা কনসোলের মাধ্যমে SageMaker AI এন্ডপয়েন্ট ব্যবহারের জন্য ml.g7e.2xlarge বা তার চেয়ে বড় ইনস্ট্যান্সগুলির জন্য একটি উপযুক্ত কোটা অনুরোধ করা উচিত।

উল্লেখযোগ্য পারফরম্যান্স লাভ প্রদর্শনের জন্য, AWS G6e এবং G7e ইনস্ট্যান্স উভয় ক্ষেত্রেই Qwen3-32B (BF16) বেঞ্চমার্ক করেছে। ওয়ার্কলোডটিতে প্রতি অনুরোধে প্রায় 1,000 ইনপুট টোকেন এবং 560 আউটপুট টোকেন জড়িত ছিল, যা সাধারণ ডকুমেন্ট সারাংশ কাজের অনুকরণ করে। উভয় কনফিগারেশনই প্রিফিক্স ক্যাশিং সক্ষম সহ নেটিভ vLLM কন্টেইনার ব্যবহার করেছে, যা একটি 'আপেল-টু-আপেল' তুলনা নিশ্চিত করে।

ফলাফলগুলি বাধ্যতামূলক। যখন G6e বেসলাইন (4x L40S GPU সহ ml.g6e.12xlarge, $13.12/ঘণ্টা দরে) শক্তিশালী প্রতি-অনুরোধ থ্রুপুট দেখিয়েছিল, তখন G7e (1x RTX PRO 6000 Blackwell সহ ml.g7e.2xlarge, $4.20/ঘণ্টা দরে) একটি নাটকীয়ভাবে ভিন্ন খরচের গল্প বলে। উৎপাদন কনকারেন্সিতে (C=32), G7e প্রতি মিলিয়ন আউটপুট টোকেনে আশ্চর্যজনক $0.79 অর্জন করেছে। এটি G6e এর $2.06 এর তুলনায় 2.6 গুণ খরচ হ্রাস নির্দেশ করে, যা G7e এর কম প্রতি ঘণ্টার হার এবং লোডের অধীনে সামঞ্জস্যপূর্ণ থ্রুপুট বজায় রাখার ক্ষমতার দ্বারা চালিত, যা প্রমাণ করে যে উচ্চ পারফরম্যান্সের জন্য প্রিমিয়াম খরচ দিতে হয় না।

খরচ-দক্ষ জেনারেটিভ এআই ইনফারেন্সের ভবিষ্যৎ

Amazon SageMaker AI-তে G7e ইনস্ট্যান্সের প্রবর্তন কেবল একটি ক্রমবর্ধমান আপগ্রেড নয়; এটি উচ্চ-পারফরম্যান্স জেনারেটিভ এআই-তে অ্যাক্সেসকে গণতন্ত্রীকরণ করার জন্য AWS-এর একটি কৌশলগত পদক্ষেপ। NVIDIA RTX PRO 6000 Blackwell GPUগুলির কাঁচা শক্তিকে SageMaker এর স্কেলেবিলিটি এবং ব্যবস্থাপনা ক্ষমতার সাথে একত্রিত করার মাধ্যমে, AWS সব আকারের সংস্থাগুলিকে অভূতপূর্ব দক্ষতা এবং খরচ-দক্ষতার সাথে বৃহত্তর, আরও জটিল এআই মডেল স্থাপন করতে সক্ষম করছে। এই উন্নয়ন নিশ্চিত করে যে জেনারেটিভ এআই-এর অগ্রগতিগুলি বিভিন্ন শিল্প জুড়ে ব্যবহারিক, উৎপাদন-প্রস্তুত অ্যাপ্লিকেশনগুলিতে রূপান্তরিত হতে পারে, যা এআই উদ্ভাবনের জন্য একটি অগ্রণী প্ল্যাটফর্ম হিসাবে SageMaker AI এর অবস্থানকে সুসংহত করবে।

মূল উৎস

https://aws.amazon.com/blogs/machine-learning/accelerate-generative-ai-inference-on-amazon-sagemaker-ai-with-g7e-instances/

সচরাচর জিজ্ঞাসিত প্রশ্ন

What are G7e instances and how do they benefit generative AI inference?

G7e instances are the latest generation of GPU-accelerated computing instances available on Amazon SageMaker AI, specifically designed to accelerate generative AI inference workloads. They are powered by NVIDIA RTX PRO 6000 Blackwell Server Edition GPUs, offering significant advancements in memory capacity, bandwidth, and overall inference performance. For generative AI, G7e instances mean faster Time To First Token (TTFT), higher throughput, and the ability to host much larger foundation models (FMs) within a single instance, or even on a single GPU. This translates into more responsive AI applications, reduced operational complexity, and substantial cost savings for deploying and running large language models (LLMs), multimodal AI, and agentic workflows. Their enhanced capabilities make them ideal for interactive applications requiring high-performance, cost-effective inference.

Which NVIDIA GPU powers the new G7e instances, and what are its key features?

The new G7e instances on Amazon SageMaker AI are powered by the NVIDIA RTX PRO 6000 Blackwell Server Edition GPUs. Each of these cutting-edge GPUs provides an impressive 96 GB of GDDR7 memory, which is double the memory capacity per GPU compared to the previous G6e instances. Key features also include 1,597 GB/s of GPU memory bandwidth per GPU, support for FP4 precision through fifth-generation Tensor Cores, and NVIDIA GPUDirect RDMA over EFAv4. These features collectively contribute to the G7e instances' superior inference performance, memory density, and low-latency networking, making them exceptionally capable for demanding generative AI tasks.

How do G7e instances compare to previous generations (G6e, G5) in terms of performance and memory?

G7e instances demonstrate a significant generational leap over G6e and G5. They deliver up to 2.3x inference performance compared to G6e instances. In terms of memory, each G7e GPU offers 96 GB of GDDR7 memory, effectively doubling the per-GPU memory of G6e and quadrupling that of G5. A top-tier G7e.48xlarge instance provides an aggregate of 768 GB total GPU memory. Furthermore, networking bandwidth scales up to 1,600 Gbps with EFA on the largest G7e size, a 4x jump over G6e and 16x over G5. This vast improvement in memory, bandwidth, and networking allows G7e instances to host models that previously required multi-node setups on older instances, simplifying deployment and reducing latency.

What types of generative AI workloads are best suited for deployment on G7e instances?

G7e instances are exceptionally well-suited for a broad range of modern generative AI workloads due to their high memory density, bandwidth, and advanced networking. These include: Chatbots and Conversational AI, ensuring low Time To First Token (TTFT) and high throughput for responsive interactive experiences; Agentic and Tool-Calling Workflows, benefiting from 4x improved CPU-to-GPU bandwidth for fast context injection in RAG pipelines; Text Generation, Summarization, and Long-Context Inference, accommodating large KV caches for extended document contexts with 96 GB per-GPU memory; Image Generation and Vision Models, overcoming out-of-memory errors for larger multimodal models that struggled on previous instances; and Physical AI and Scientific Computing, leveraging Blackwell-generation compute, FP4 support, and spatial computing capabilities for digital twins and 3D simulation.

What is the cost efficiency of G7e instances compared to G6e for generative AI inference?

G7e instances offer significantly improved cost efficiency for generative AI inference compared to G6e instances. Benchmarks deploying Qwen3-32B showed that G7e achieved $0.79 per million output tokens at production concurrency (C=32). This represents a remarkable 2.6x cost reduction compared to G6e’s $2.06 per million output tokens for a similar workload. This cost saving is primarily driven by G7e’s substantially lower hourly rate (e.g., $4.20/hr for ml.g7e.2xlarge vs. $13.12/hr for ml.g6e.12xlarge) combined with its ability to maintain consistent and high throughput under load, making it a more economical choice for large-scale deployments.

What are the memory capacities for deploying LLMs on single and multi-GPU G7e instances?

G7e instances offer substantial memory capacities for deploying large language models (LLMs). A single-node GPU, specifically a G7e.2xlarge instance, can effectively host foundation models with up to 35 billion parameters in FP16 precision. For larger models, scaling across multiple GPUs within a single instance dramatically increases capacity: a 4-GPU node (G7e.24xlarge) can deploy models up to 150 billion parameters, while an 8-GPU node (G7e.48xlarge) can handle models as large as 300 billion parameters. This impressive scalability provides organizations with the flexibility to deploy a wide range of LLMs without the complexities of multi-instance distributed setups.

What are the prerequisites for deploying solutions using G7e instances on Amazon SageMaker AI?

To deploy generative AI solutions using G7e instances on Amazon SageMaker AI, several prerequisites must be met. You need an active AWS account to host your resources and an AWS Identity and Access Management (IAM) role configured with appropriate permissions to access Amazon SageMaker AI services. For development and deployment, access to Amazon SageMaker Studio or a SageMaker notebook instance is recommended, though other interactive development environments like PyCharm or Visual Studio Code are also viable. Crucially, you must request a quota for at least one `ml.g7e.2xlarge` instance (or a larger G7e instance type) for Amazon SageMaker AI endpoint usage through the AWS Service Quotas console, as these are new and specialized instance types.

আপডেট থাকুন

সর্বশেষ AI খবর ইনবক্সে পান।