Sem instâncias pré-provisionadas — escale conforme o tráfego, reduza a zero quando este cessa. Faturado por token e segundo, arranque a frio em segundos.
Foque no negócio, nós tratamos da infraestrutura.
Ativado sob pedido, sem sempre ativo.
Elástico com concorrência, sem quebras nos picos.
Por token/segundo; custo zero quando inativo.
vLLM integrado e modelos abertos mainstream.
Por token e tempo de execução, medido com precisão; sem custo quando não há pedido.
vLLM e modelos abertos mainstream, permutáveis a quente.
Segundos — adequa-se a tráfego irregular.
Carga alta estável → reservado; irregular → Serverless.