GPU Embeddings

Semantische Suche und RAG

Text in normalisierte Vektoren umwandeln, um Ähnlichkeitssuche und Retrieval-gestützte Anwendungen vorzubereiten.

Ein- und Ausgabe

Ein Text oder bis zu 64 Texte je Anfrage, maximal 16.000 Zeichen je Text. Ausgabe: normalisierte numerische Vektoren. Eine Suchdatenbank und die RAG-Orchestrierung sind separat einzurichten.

Integration

Bereitstellung in AWS Frankfurt über die SupraWorx API, Shortcuts, Workflows und AI Workbench. Das Modell ist BAAI/bge-m3. Generierte Ergebnisse sind vor ihrer Verwendung fachlich zu prüfen.

Stundenpreis in Credits

Stundensatz: 68.077 SupraWorx Credits. Dedizierte Bereitstellungen werden nach AWS-Laufzeit einschließlich Leerlauf abgerechnet; in geteilten Pools zählt die aktive GPU-Verarbeitungszeit. Wartezeit und Pool-Leerlauf trägt die Plattform. Der Stundensatz wird anteilig nach gemessener Zeit angewendet und auf ganze Credits aufgerundet. Die beim Start festgehaltene Rate bleibt für die Bereitstellung bestehen.

Jede nutzende Person benötigt eine gültige persönliche GPU-Hub-Lizenz in einer aktiven Organisation. Rechenleistung wird aus dem Credit-Guthaben der Organisation bezahlt. Der kostenlose Jahreszugang zu GPU-Hub enthält keine GPU-Rechenzeit.

Verfügbarkeit

Freigabestatus: veröffentlicht. Die konkrete Modell-, Hardware- und Runtime-Konfiguration wurde auf einer realen AWS-GPU evaluiert und freigegeben. Bereitstellungen hängen von verfügbarer AWS-Kapazität ab. Die Testmesswerte sind unten dokumentiert; eine Verfügbarkeitsgarantie wird nicht zugesagt.

GPU-Evaluation vom 16.10.2026

AWS Frankfurt, NVIDIA L4: 10 unterschiedliche englische/deutsche Such-Tripel, jeweils zweimal geprüft: 20 von 20 Prüfungen bestanden. Gemessene p95-Anfragelatenz: 218 ms; keine Laufzeitfehler in diesen 20 Aufrufen. Die Messwerte gelten für den beschriebenen Testumfang und sind keine Latenz- oder Verfügbarkeitsgarantie. Freigegeben; Bereitstellung abhängig von verfügbarer AWS-Kapazität.