Intel ने 14 ऑक्टोबर रोजी Inference Microservices जाहीर केले: समर्थित Xeon processors वर प्रत्येक container मध्ये एक large language model चालवणारे model-specific containers. सुरू होताना container host ओळखतो, त्या model आणि processor साठी Intel profile निवडतो आणि OpenAI-compatible HTTP API मागे vLLM सुरू करतो. Xeon क्षमता असलेल्या developer साठी तातडीचे काम म्हणजे दस्तऐवजीकृत image अंतर्गत network वरील application request हाताळू शकते का हे ठरवणे आणि नंतर त्या host वर workload मोजणे.

पहिल्या प्रकाशित images वर 0.1.0 tag आहे. त्या BF16 precision असलेल्या चौथ्या, पाचव्या आणि सहाव्या पिढीच्या Xeon साठी आहेत; Linux वर Docker Engine 20.10 किंवा त्यानंतरचे, अथवा Kubernetes 1.24 किंवा त्यानंतरचे आवश्यक आहे. दस्तऐवजीकरण स्थानिक serving package स्पष्ट करते, Intel-hosted endpoint नाही: Intel API key घेण्याची गरज नाही. Profiles tuning चे काम वाचवतात किंवा performance सुधारतात, हे Intel चे vendor claims आहेत; BIG CHANGE ने images चालवलेल्या किंवा benchmark केलेल्या नाहीत.

मुख्य बदल

  • काय बदलले: Intel ने model-specific vLLM configurations containers मध्ये पॅक केली आहेत. हे containers समर्थित Xeon host तपासतात आणि standard API उघडण्याआधी अंगभूत serving profile निवडतात.
  • हे महत्त्वाचे का: Application परिचित chat endpoint वापरू शकते, पण container application routing, authentication, TLS, model-license compliance किंवा विशिष्ट workload latency आणि capacity लक्ष्य गाठतो याचा पुरावा देत नाही.
  • काय पाहावे: आवश्यक model साठी catalog image आणि जुळणारा profile आहे का ते तपासा; मग अपेक्षित host वर readiness, response behavior आणि load तपासा. Intel ने GPU support, इतर engines आणि precisions, Helm chart आणि operator यांना पहिल्या release ची वैशिष्ट्ये नव्हे तर पुढील काम म्हटले आहे.

Container काय हाताळतो आणि team ची जबाबदारी काय राहते

Intel म्हणते की startup detection मध्ये Xeon generation, उपलब्ध cores, NUMA layout आणि समर्थित processor capabilities विचारात घेतल्या जातात. Model-specific image vLLM साठी precision, work distribution आणि memory layout ठरवणारा profile शोधते. जुळणारा model-specific profile न मिळाल्यास image सामान्य profile कडे शांतपणे वळण्याऐवजी startup वेळी fail होते. इतर Hugging Face models साठी Intel च्या base image मध्ये वेगळा general-profile fallback आहे. यशस्वी startup म्हणजे team ला तपासायची असलेली model-specific configuration चालली का हे ठरवताना हा फरक महत्त्वाचा आहे.

दस्तऐवजीकृत API उपलब्ध करून देते GET /health, GET /v1/models, POST /v1/chat/completions, POST /v1/completions आणि GET /metrics हे default ने port 8000 वर. /health Model तयार असताना रिकाम्या body सह HTTP 200 आणि तयार नसताना 503 देते; response body शोधण्यापेक्षा status code तपासणे अधिक उपयुक्त आहे. /v1/models चालू असलेल्या एकमेव model चा ID देते. अनेक models serve होत असल्यास application ने chat request मध्ये तो ID द्यावा आणि request कुठे route करायची ते ठरवावे. Intel streaming आणि OpenAI-compatible client libraries दस्तऐवजीकृत करते, पण request shape compatible असल्याने team च्या विशिष्ट model आणि prompt ची quality किंवा speed सिद्ध होत नाही.

स्पष्ट trust boundary देखील आहे. सुरक्षा मार्गदर्शक सांगते की endpoint स्वतः TLS किंवा caller authentication देत नाही. संरक्षक gateway किंवा network boundary शिवाय port 8000 public network वर उघडू नका. Kubernetes मध्ये NetworkPolicy ने access मर्यादित करा आणि TLS व authentication साठी gateway किंवा ingress वापरा, अशी Intel ची शिफारस आहे. Service ग्राहकाच्या infrastructure वर चालते, त्यामुळे host capacity, cache placement, monitoring आणि gated model weights पर्यंतचा access यांची जबाबदारीही team ची आहे.

दस्तऐवजीकृत local check, त्यानंतर workload test

सार्वजनिक Qwen3-4B उदाहरणासाठी Intel चे quickstart ही Linux/Docker command देते. येथे ही केवळ दस्तऐवजीकृत पद्धत आहे; BIG CHANGE ने ती चालवली नाही:

Terminal
docker run --rm -p 8000:8000 \
  --cap-add SYS_NICE \
  --shm-size=2g \
  intel/inference-xeon-qwen-qwen3-4b:0.1.0

पहिल्या startup वेळी model weights download होतात आणि काही मिनिटे लागू शकतात, असे Intel सांगते. दुसऱ्या terminal मध्ये, curl -i http://localhost:8000/health engine तयार झाल्यावर रिकाम्या body सह HTTP 200 दाखवायला हवे. त्यानंतर GET /v1/models ने Qwen/Qwen3-4B ओळखले पाहिजे; त्या ID आणि POST /v1/chat/completions array सह केलेल्या messages request ने chat-completion response द्यायला हवा. हे checks फक्त दस्तऐवजीकृत endpoint सुरू झाला आणि उत्तर दिले हे सिद्ध करतात. Deployment निर्णयासाठी team चे स्वतःचे prompts, concurrency, latency आणि resource measurements तसेच failure आणि restart वर्तनाची तपासणी आवश्यक आहे.

या पूर्वअटी 4B–8B models साठी 32 GB RAM आणि cache disk वर 50 GB मोकळी जागा सुचवतात; मोठ्या models साठी अधिक memory लागते. Ubuntu 22.04 LTS किंवा नंतरचे recommended आहे, तरी software requirement म्हणजे Docker Engine 20.10 किंवा नंतरचे चालवू शकणारे Linux. Intel च्या उदाहरणातील Qwen3-4B ला Hugging Face token लागत नाही आणि त्याच्या model card वर Apache 2.0 आहे. इतर models gated असू शकतात: त्यांचे licenses, access approval आणि read token स्वतंत्रपणे तपासावेत. Intel चे सार्वजनिक दस्तऐवजीकरण microservices software ची किंमत सांगत नाही आणि या deployment चा hardware किंवा operating cost ठरवत नाही.

Intel ची समर्थित वैशिष्ट्यांची यादी अंगभूत, validated मार्ग आणि vLLM pass-throughs यांत फरक करते. Tool calling, structured output, LoRA आणि context length बदलण्यासाठी अतिरिक्त INFERENCE_ENGINE_ARGS flags लागतात. हे flags tuned configuration बदलू किंवा अवैध करू शकतात; resolved command dry-run वापरून तपासण्याची आणि परिणाम load-test करण्याची Intel ची सूचना आहे. Default image ने सिद्ध केलेली क्षमता न मानता त्यांना स्वतंत्र integration project समजा. Kubernetes deployment मध्ये replicas आणि readiness probes वाढवता येतात, पण models मधील routing application किंवा gateway करेल. Intel चे आधीचे D-series coverage वेगळ्या GPU hardware announcement विषयी आहे; या Xeon serving release विषयी नाही.

स्रोत आणि अधिक वाचन

  • Intel घोषणा, 14 ऑक्टोबर 2026. Model-specific container, host detection, profiles, सुरुवातीचा Xeon scope आणि नियोजित विस्तार यांचे वर्णन. Tuning व performance दावे Intel चे आहेत; BIG CHANGE ने स्वतंत्र चाचणी केलेली नाही.
  • Intel Inference Microservices दस्तऐवजीकरण, 24 सप्टेंबर 2026 रोजी अद्ययावत म्हणून चिन्हांकित. त्याचे 0.1.0 quickstart Qwen3-4B command आणि सुरुवातीचा health/chat मार्ग देते; वरची पद्धत केवळ दस्तऐवजीकृत आहे.
  • पूर्वअटी, API संदर्भ, समर्थित वैशिष्ट्ये आणि सुरक्षा मार्गदर्शन, 24 सप्टेंबर 2026 रोजी अद्ययावत म्हणून चिन्हांकित Intel दस्तऐवज. समर्थित hosts, readiness responses, अंगभूत विरुद्ध vLLM pass-through वैशिष्ट्ये आणि authentication नसलेली HTTP सीमा ते ठरवतात.
  • Qwen/Qwen3-4B model card, 15 ऑक्टोबर 2026 रोजी पाहिले. उदाहरण model साठी Apache 2.0 license नमूद करते; इतर models चे अटी व access gates वेगळे असू शकतात.