微软下调了其Azure标准支持服务的价格,将其固定价格降低到每月100美元,使其与AWS为特定客户提供的服务保持一致。微软方面宣布在1月25日进行降价,并且声称将“大幅下降”。在降价之前,目前的价格是每月300美元。
常见问题页面上的内容显示,要想获得使用该价格的资格,Azure的客户必须直接通过微软在线服务协议(Microsoft Online Services Agreement,MOSA)在Azure.com上购买Azure标准支持服务。
企业协议(Enterprise Agreement)客户没有资格使用调整后的价格。但在美国符合标准的Azure政府客户将获得降价(从每月375美元调整到每月125美元)。
作为更新的Azure标准支持服务条款的一部分,微软还将重要支持案例(“严重性为A”)的初始响应时间从两小时缩短到了一小时。而Azure Germany被排除在此次降价和响应时间调整的范围之外。
那些已经在使用Azure标准支持服务的客户不需要采取任何措施就可以使用新的价格。从下一个计费周期开始,符合条件的客户将在现有合约剩余期限内每个月将获得200美元的信用额度。
而可供比较的AWS企业支持服务的起价为每个月100美元。另外,微软的下一级产品针对中型企业级客户的ProDirect支持服务的价格为每月1000美元。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。