Partnerskaber

Baseten bringer fire åbne modeller til forhåndsvisningen af Microsoft Foundry

Theo Nash
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterBasetens inferensinfrastruktur går i preview i Microsoft Foundry som en førsteparts…
Vis mere
  • Basetens inferensinfrastruktur går i preview i Microsoft Foundry som en førsteparts service, der driver fire åbne modeller.
  • Administratorer skal tilvælge det, før deres organisationer kan få adgang til de modeller, der er i preview, via Foundry.
  • Baseten forventer generel tilgængelighed i begyndelsen af 2027 og planlægger at tilføje nye åbne modeller på udgivelsesdagen.

Baseten annoncerede den 17. november 2026, at virksomhedens inferensinfrastruktur er tilgængelig i en offentlig forhåndsvisning via Microsoft Foundry og i første omgang driver fire åbne modeller for Azure-kunder som en førstepartstjeneste fra Microsoft.

Lanceringen omfatter DeepSeek V4.1 Flash, GLM-5.3, GLM-5.3 Flash og Kimi K3. Modellerne findes i Foundry-kataloget side om side med andre åbne og lukkede systemer og er underlagt de samme virksomhedskontroller og kundernes eksisterende Microsoft-aftaler. Alle Foundry-kunder kan bruge forhåndsvisningen, men en administrator skal tilmelde organisationen. Blandt anvendelserne af de nyere modeller nævner meddelelsen kodeagenter, forskningsarbejdsgange og kundesupportløsninger.

Implementeringsmuligheder og API’er, der er kompatible med OpenAI

Baseten præsenterer integrationen som en måde at evaluere og tage åbne modeller i brug på uden selv at skulle skaffe GPU-kapacitet eller administrere modellernes kørselsmiljøer. Baseten håndterer infrastrukturen til modelafvikling, mens udviklerne kan vælge mellem Standard- og Provisioned-implementeringer. Ifølge virksomheden er de klar på få sekunder.

Global Standard- og Data Zone Standard-implementeringer i USA faktureres efter forbrug pr. token. Global Provisioned- og Data Zone Provisioned-implementeringer i USA benytter i stedet provisionerede gennemløbsenheder (PTU’er), som reserverer kapacitet og sikrer et forudsigeligt gennemløb.

Modellerne leveres via Chat Completions API og Responses API. Ifølge Baseten gør understøttelsen det muligt at videreføre eksisterende kode og agentarbejdsgange, der er kompatible med OpenAI, med kun få ændringer. Dermed mindskes integrationsarbejdet med at afprøve de nye modeller i kataloget.

Sikkerhed, fakturering og infrastruktur

Tjenesten benytter den samme præstationsforskning og inferensinfrastruktur, som ligger bag Basetens model-API’er. Foundry stiller rammerne for Azures sikkerhed, overvågning og fakturering til rådighed. Baseten oplyser, at hver model finjusteres med hensyn til routing, batching, caching og kernels, og at infrastrukturen er designet til en oppetid på 99,9 %.

Forespørgsler er tilstandsløse, og Baseten gemmer hverken prompts eller svar. Godkendelsesmulighederne via Foundry omfatter Microsoft Entra ID og nøglebaseret adgang, mens Azure Policy giver adgangskontroller for hver model.

Forbruget faktureres via Azure som førstepartsforbrug i Foundry. Baseten oplyser, at 100 % af dette forbrug tæller med i kundens Microsoft Azure Consumption Commitment (MACC), så modelbrugen knyttes direkte til en eksisterende Azure-forbrugsaftale.

Steve Sweetman, produktchef hos Microsoft Foundry, sagde: »Ved at bringe Baseten til Microsoft Foundry får virksomhederne flere valgmuligheder. Samtidig kombineres Basetens optimerede og pålidelige inferens med styringen, kontrollerne og overvågningen i Foundry-platformen, så udviklere kan omsætte deres mest ambitiøse idéer til produktionsklare applikationer.«

Plan for forhåndsvisningen

Den offentlige forhåndsvisning er første fase. Baseten forventer generel tilgængelighed i begyndelsen af 2027 og planlægger løbende at tilføje åbne modeller, efterhånden som de udgives, herunder at gøre nye systemer tilgængelige på selve udgivelsesdagen.

For Azure-teams er den umiddelbare ændring af driftsmæssig karakter: Åbne modeller kan evalueres via Foundrys katalog, kontroller og fakturering uden først at skulle opbygge et miljø til GPU-baseret modelafvikling. Forhåndsvisningen giver dermed en praktisk mulighed for at afprøve, om integreret infrastruktur og indkøb kan gøre vejen fra modelevaluering til produktionssætning lettere for virksomhedsteams, der arbejder med AI.

Theo Nash er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI‑infrastruktur, beregning og de hardware‑systemer, der driver moderne kunstig intelligens. Hans arbejde fokuserer på de tekniske grundlag bag store AI‑arbejdsbelastninger, herunder datacentre, acceleratorer, netværk og software‑stakke, der binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøger Theo, hvordan fremskridt inden for GPU’er, specialdesignet silicium, hukommelsesarkitekturer og distribuerede systemer muliggør nye generationer af AI‑modeller. Han lægger særlig vægt på præstationsafvejninger, energieffektivitet, skalerbarhed og de praktiske begrænsninger, der former implementeringen af AI‑infrastruktur i den virkelige verden.

Artikler skrevet af Theo Nash er AI‑genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre teknisk nøjagtighed, klarhed og ansvarlig dækning af det hastigt udviklende AI‑beregningslandskab.