Intel Xeon afirma ter grande vantagem de throughput em IA agêntica 🤖
A Intel afirma que seus processadores Xeon 6 alcançaram um throughput substancialmente maior do que plataformas concorrentes em novos testes desenvolvidos para cargas de trabalho de IA agêntica. Em uma avaliação de 60 minutos do Terminal-Bench, o sistema baseado no Xeon 6 atingiu até 1,66 vez o throughput de um sistema AMD EPYC de quinta geração e até 4,5 vezes o de um sistema baseado em Arm.
Os testes abrangeram fluxos de trabalho semelhantes aos do mundo real nos setores de saúde, bancos e serviços financeiros e manufatura, incluindo tarefas de raciocínio, processamento de dados, segurança e controle. ⚙️ A Intel usou cargas de trabalho idênticas e concorrência de 24 vias para comparar quanto trabalho cada sistema conseguia concluir.
Os resultados reforçam o esforço da Intel para posicionar as CPUs Xeon como infraestrutura para agentes de IA, nos quais o desempenho depende de mais do que apenas a inferência do modelo. Essas cargas de trabalho também exigem recursos de memória, armazenamento, E/S e orquestração, à medida que os agentes recuperam informações repetidamente, acionam ferramentas e executam tarefas. 🚀
A Intel afirma que seus processadores Xeon 6 alcançaram um throughput substancialmente maior do que plataformas concorrentes em novos testes desenvolvidos para cargas de trabalho de IA agêntica. Em uma avaliação de 60 minutos do Terminal-Bench, o sistema baseado no Xeon 6 atingiu até 1,66 vez o throughput de um sistema AMD EPYC de quinta geração e até 4,5 vezes o de um sistema baseado em Arm.
Os testes abrangeram fluxos de trabalho semelhantes aos do mundo real nos setores de saúde, bancos e serviços financeiros e manufatura, incluindo tarefas de raciocínio, processamento de dados, segurança e controle. ⚙️ A Intel usou cargas de trabalho idênticas e concorrência de 24 vias para comparar quanto trabalho cada sistema conseguia concluir.
Os resultados reforçam o esforço da Intel para posicionar as CPUs Xeon como infraestrutura para agentes de IA, nos quais o desempenho depende de mais do que apenas a inferência do modelo. Essas cargas de trabalho também exigem recursos de memória, armazenamento, E/S e orquestração, à medida que os agentes recuperam informações repetidamente, acionam ferramentas e executam tarefas. 🚀