動察 Beating AI 快訊，Prime Intellect 發佈開源模型推理服務 Prime Inference。
用戶可以直接按需調用模型；如果任務需要長期穩定運行，也可以提前鎖定一部分推理算力。接口兼容 OpenAI API，首個公開部署的模型是 GLM-5.3。
這套系統此前已經在 Prime Intellect 內部使用。官方稱，它每天處理接近 1 萬億 tokens，用於強化學習、合成數據、模型評測和 Coding Agent。Prime Intellect 從今年 1 月起也一直在為客戶運行大規模部署。
Prime Inference 重點優化 Agent 的長上下文負載。它把提示詞處理和生成回復分到不同 GPU 上，測試中將 p90 token 間延遲降低近 40%。Prime Intellect 還壓縮了 KV 緩存，相同顯存下，每個解碼器可緩存的 token 從 109 萬增加到 163 萬，提升約 50%。
Prime Intellect 此前已經提供強化學習、評測和沙箱等訓練基礎設施。加入推理服務後，它可以把模型訓練和實際部署接到同一套平台里，實際運行產生的數據也可以繼續用於後續訓練。