1：让人惊讶的是所有的供应商都提供对该模型的支持，开源让软件和模型共同开发变得非常容易。
2：目前Llama 3.1 405B是一个很难盈利的模型，要半台或一台机器才能运行，成本很高速度也不快，大部分供应商只有做到30 token/s才能保本，而70B的模型能做到150 token/s。
3：对于供应商来说还是能够收支平衡的，首先要做好量化同时控制好负载，但利润率肯定做不到80%（传统SaaS能做到）
4：量化是优化的标准解决方案，忘记FP16. Int8/FP8是大势所趋。
5：量化要非常小心，单一的scale量化将不复存在，未来需要channel wise / group量化方案。
6：他预测405B的采用会受到速度和价格的限制。但在未来一年左右的时间里，效率至少会提高4倍。
7：他很期待测试 Mistral Large 123B，不过该模型主要用于学术研究。
8：small model FTW，在垂直应用中，70B的模型足够了，甚至8B模型做好微调也很好。
9：llama 3.1鼓励进行模型微调。
10：vLLM是非常优秀的推理引擎。
11：Lepton AI是一个API大模型平台，速度、价格、并发性和成本需要综合考虑。
