بهترین ارائه‌دهندگان میزبانی LLM متن‌باز 2026 — مسیر ترکیبی BYOI و ShareAI

خلاصه — سه مسیر عملی برای اجرای LLMهای متن‌باز امروز وجود دارد:

(1) مدیریت‌شده (بدون سرور؛ پرداخت به ازای هر میلیون توکن؛ بدون نیاز به نگهداری زیرساخت)،,

(2) میزبانی LLM متن‌باز (میزبانی مدل دقیقی که می‌خواهید)، و

(3) BYOI همراه با یک شبکه غیرمتمرکز (ابتدا روی سخت‌افزار خودتان اجرا کنید، سپس به‌طور خودکار به ظرفیت شبکه منتقل شوید مانند اشتراک‌گذاریAI). این راهنما گزینه‌های پیشرو (Hugging Face, Together, Replicate, Groq, AWS Bedrock, io.net) را مقایسه می‌کند، توضیح می‌دهد که BYOI چگونه در ShareAI کار می‌کند (با یک اولویت بر دستگاه من کلید تغییر)، و الگوها، کد و تفکر هزینه را ارائه می‌دهد تا به شما کمک کند با اطمینان کار کنید.

برای یک مرور بازار مکمل، مقاله چشم‌انداز Eden AI را ببینید: بهترین ارائه‌دهندگان میزبانی LLM متن‌باز.

فهرست مطالب

• ظهور میزبانی LLM متن‌باز
• منظور از “میزبانی LLM متن‌باز” چیست
• چرا باید LLMهای متن‌باز را میزبانی کرد؟
• سه مسیر برای اجرای LLMها
  • 4.1 مدیریت شده (بدون سرور؛ پرداخت به ازای هر میلیون توکن)
  • 4.2 میزبانی LLM متن‌باز (میزبانی شخصی)
  • 4.3 BYOI + شبکه غیرمتمرکز (ترکیب ShareAI)
• ShareAI در 30 ثانیه
• نحوه کار BYOI با ShareAI (اولویت به دستگاه شما + بازگشت هوشمند)
• ماتریس مقایسه سریع (ارائه‌دهندگان در یک نگاه)
• پروفایل‌های ارائه‌دهنده (مطالعات کوتاه)
• جایگاه ShareAI در مقابل دیگران (راهنمای تصمیم‌گیری)
• عملکرد، تأخیر و قابلیت اطمینان (الگوهای طراحی)
• حکمرانی، انطباق و محل اقامت داده‌ها
• مدل‌سازی هزینه: مدیریت شده در مقابل میزبانی شخصی در مقابل BYOI + غیرمتمرکز
• مرحله به مرحله: شروع کار
• قطعات کد
• مثال‌های دنیای واقعی
• سوالات متداول (SEO طولانی‌مدت)
• افکار نهایی

ظهور میزبانی LLM متن‌باز

مدل‌های با وزن باز مانند Llama 3، Mistral/Mixtral، Gemma و Falcon چشم‌انداز را از “یک API بسته برای همه” به طیفی از انتخاب‌ها تغییر داده‌اند. شما تصمیم می‌گیرید جایی که اجرای استنتاج (GPUهای شما، یک نقطه پایانی مدیریت‌شده، یا ظرفیت غیرمتمرکز)، و شما بین کنترل، حریم خصوصی، تأخیر و هزینه مصالحه می‌کنید. این کتاب راهنما به شما کمک می‌کند مسیر درست را انتخاب کنید — و نشان می‌دهد چگونه اشتراک‌گذاریAI به شما اجازه می‌دهد مسیرها را بدون تغییر SDKها ترکیب کنید.

هنگام خواندن، ShareAI را بازار مدل‌ها باز نگه دارید تا گزینه‌های مدل، تأخیرهای معمولی و قیمت‌گذاری بین ارائه‌دهندگان را مقایسه کنید.

منظور از “میزبانی LLM متن‌باز” چیست

• وزن‌های باز: پارامترهای مدل تحت مجوزهای خاص منتشر می‌شوند، بنابراین می‌توانید آنها را به صورت محلی، در محل، یا در فضای ابری اجرا کنید.
• میزبانی خود: شما سرور استنتاج و زمان اجرا (مانند vLLM/TGI) را اجرا می‌کنید، سخت‌افزار را انتخاب می‌کنید و هماهنگی، مقیاس‌پذیری و تله‌متری را مدیریت می‌کنید.
• میزبانی مدیریت‌شده برای مدل‌های باز: یک ارائه‌دهنده زیرساخت را اجرا می‌کند و یک API آماده برای مدل‌های محبوب با وزن باز ارائه می‌دهد.
• ظرفیت غیرمتمرکز: یک شبکه از گره‌ها GPUها را فراهم می‌کند؛ سیاست مسیریابی شما تصمیم می‌گیرد که درخواست‌ها به کجا بروند و چگونه مدیریت خرابی انجام شود.

چرا باید LLMهای متن‌باز را میزبانی کرد؟

• قابلیت سفارشی‌سازی: تنظیم دقیق بر روی داده‌های دامنه، اتصال آداپتورها، و قفل کردن نسخه‌ها برای بازتولیدپذیری.
• هزینه: کنترل TCO با کلاس GPU، دسته‌بندی، کشینگ، و محلی‌سازی؛ اجتناب از نرخ‌های بالای برخی APIهای بسته.
• حریم خصوصی و اقامت: اجرا در محل/در منطقه برای برآورده کردن نیازهای سیاست و انطباق.
• تأخیر محلی: قرار دادن استنتاج نزدیک کاربران/داده‌ها؛ استفاده از مسیریابی منطقه‌ای برای کاهش p95.
• مشاهده‌پذیری: با میزبانی خود یا ارائه‌دهندگان دوستدار مشاهده‌پذیری، می‌توانید توان عملیاتی، عمق صف، و تأخیر انتها به انتها را مشاهده کنید.

سه مسیر برای اجرای LLMها

4.1 مدیریت شده (بدون سرور؛ پرداخت به ازای هر میلیون توکن)

آن چیست: شما استنتاج را به عنوان یک سرویس خریداری می‌کنید. نیازی به نصب درایورها نیست، نیازی به نگهداری خوشه‌ها نیست. شما یک نقطه پایانی مستقر می‌کنید و از برنامه خود آن را فراخوانی می‌کنید.

مزایا: سریع‌ترین زمان برای ارزش؛ SRE و مقیاس‌گذاری خودکار برای شما مدیریت می‌شوند.

مبادلات: هزینه‌های هر توکن، محدودیت‌های ارائه‌دهنده/API، و کنترل/تله‌متری محدود زیرساخت.

انتخاب‌های معمول: Hugging Face Inference Endpoints، Together AI، Replicate، Groq (برای تأخیر فوق‌العاده کم)، و AWS Bedrock. بسیاری از تیم‌ها از اینجا شروع می‌کنند تا سریع ارسال کنند، سپس BYOI را برای کنترل و پیش‌بینی هزینه اضافه می‌کنند.

4.2 میزبانی LLM متن‌باز (میزبانی شخصی)

آن چیست: شما مدل را مستقر و اجرا می‌کنید — روی یک ایستگاه کاری (مثلاً یک 4090)، سرورهای در محل، یا ابر خود. شما مالک مقیاس‌گذاری، مشاهده‌پذیری، و عملکرد هستید.

مزایا: کنترل کامل بر وزن‌ها/زمان اجرا/تله‌متری؛ تضمین‌های عالی حریم خصوصی/اقامت.

مبادلات: شما مقیاس‌پذیری، SRE، برنامه‌ریزی ظرفیت و تنظیم هزینه را بر عهده می‌گیرید. ترافیک ناگهانی می‌تواند بدون بافرها دشوار باشد.

4.3 BYOI + شبکه غیرمتمرکز (ترکیب ShareAI)

آن چیست: طراحی شده به صورت ترکیبی. شما زیرساخت خود را بیاورید (BYOI) و به آن اولویت اول برای استنتاج بدهید. وقتی گره شما مشغول یا آفلاین است، ترافیک به طور خودکار منتقل می‌شود به یک یک شبکه غیرمتمرکز و/یا ارائه‌دهندگان مدیریت‌شده تأییدشده — بدون بازنویسی کلاینت.

مزایا: کنترل و حریم خصوصی زمانی که آن‌ها را می‌خواهید؛ انعطاف‌پذیری و کشش زمانی که به آن‌ها نیاز دارید. بدون زمان بیکار: اگر انتخاب کنید، GPUهای شما می‌توانند کسب درآمد کنید زمانی که از آن‌ها استفاده نمی‌کنید (پاداش‌ها، تبادل یا مأموریت). بدون قفل شدن به یک فروشنده خاص.

مبادلات: تنظیم سیاست سبک (اولویت‌ها، مناطق، سهمیه‌ها) و آگاهی از وضعیت گره (آنلاین، ظرفیت، محدودیت‌ها).

ShareAI در 30 ثانیه

• یک API، ارائه‌دهندگان متعدد: مرور کنید بازار مدل‌ها و بدون بازنویسی تغییر دهید.
• ابتدا BYOI: سیاستی تنظیم کنید تا گره‌های خودتان ابتدا ترافیک را دریافت کنند.
• بازگشت خودکار: سرریز به شبکه غیرمتمرکز ShareAI و/یا ارائه‌دهندگان مدیریت‌شده‌ای که اجازه می‌دهید.
• اقتصاد منصفانه: بیشتر هر دلار به ارائه‌دهندگانی می‌رسد که کار را انجام می‌دهند.
• از زمان بیکار درآمد کسب کنید: شرکت کنید و ظرفیت GPU اضافی ارائه دهید؛ پاداش (پول)، تبادل (اعتبار)، یا مأموریت (اهداء) را انتخاب کنید.
• شروع سریع: آزمایش در زمین بازی, ، سپس یک کلید در کنسول. مشاهده کنید شروع کار با API.

نحوه کار BYOI با ShareAI (اولویت به دستگاه شما + بازگشت هوشمند)

در ShareAI شما ترجیحات مسیریابی را کنترل می‌کنید برای هر کلید API با استفاده از اولویت بر دستگاه من تغییر وضعیت. این تنظیم تصمیم می‌گیرد که آیا درخواست‌ها ابتدا دستگاه‌های متصل شما را امتحان کنند یا شبکه جامعه اول — اما فقط زمانی که مدل درخواست‌شده در هر دو مکان موجود باشد.

برو به: درک تغییر وضعیت · آنچه کنترل می‌کند · خاموش (پیش‌فرض) · روشن (اولویت محلی) · جایی که می‌توانید آن را تغییر دهید · الگوهای استفاده · چک‌لیست سریع

درک تغییر وضعیت (برای هر کلید API)

این ترجیح برای هر کلید API ذخیره می‌شود. برنامه‌ها/محیط‌های مختلف می‌توانند رفتارهای مسیریابی متفاوتی داشته باشند — به عنوان مثال، یک کلید تولیدی تنظیم‌شده به جامعه‌محور و یک کلید آزمایشی تنظیم‌شده به دستگاه‌محور.

این تنظیم چه چیزی را کنترل می‌کند

هنگامی که یک مدل در دسترس باشد در هر دو دستگاه(های) شما و شبکه جامعه، تغییر وضعیت انتخاب می‌کند که کدام گروه را ShareAI ابتدا پرس‌وجو کند. اگر مدل فقط در یک گروه موجود باشد، آن گروه بدون توجه به تغییر وضعیت استفاده می‌شود.

هنگامی که خاموش باشد (پیش‌فرض)

• ShareAI تلاش می‌کند درخواست را تخصیص دهد به دستگاه جامعه که مدل درخواست‌شده را به اشتراک می‌گذارد.
• اگر هیچ دستگاه جامعه‌ای برای آن مدل در دسترس نباشد، ShareAI سپس تلاش می‌کند دستگاه(های) متصل شما.

مناسب برای: کاهش بار محاسباتی و به حداقل رساندن استفاده از دستگاه محلی شما.

هنگامی که روشن باشد (اولویت محلی)

• ShareAI ابتدا بررسی می‌کند که آیا هیچ‌کدام از دستگاه‌های شما (آنلاین و به اشتراک‌گذاری مدل درخواست‌شده) می‌تواند درخواست را پردازش کند.
• اگر هیچ‌کدام واجد شرایط نباشند، ShareAI به دستگاه جامعه.

مناسب برای: ثبات عملکرد، محلی بودن و حفظ حریم خصوصی زمانی که ترجیح می‌دهید درخواست‌ها در صورت امکان روی سخت‌افزار شما باقی بمانند.

جایی که می‌توانید آن را تغییر دهید

باز کنید داشبورد کلید API. تغییر وضعیت اولویت بر دستگاه من کنار برچسب کلید. هر زمان برای هر کلید تنظیم کنید.

الگوهای استفاده پیشنهادی

• حالت تخلیه (خاموش): ترجیح دهید ابتدا جامعه; ؛ دستگاه شما فقط در صورتی استفاده می‌شود که هیچ ظرفیت جامعه‌ای برای آن مدل موجود نباشد.
• حالت اولویت محلی (روشن): ترجیح دهید ابتدا دستگاه شما; ؛ ShareAI فقط زمانی به جامعه بازمی‌گردد که دستگاه(های) شما نتوانند کار را انجام دهند.

چک‌لیست سریع

• تأیید کنید که مدل در هر دو دستگاه(های) شما و جامعه به اشتراک گذاشته شده است؛ در غیر این صورت تغییر اعمال نخواهد شد.
• تغییر را روی کلید API دقیق که برنامه شما استفاده می‌کند تنظیم کنید (کلیدها می‌توانند ترجیحات مختلفی داشته باشند).
• یک درخواست آزمایشی ارسال کنید و مسیر (دستگاه در مقابل جامعه) را بررسی کنید که با حالت انتخابی شما مطابقت دارد.

ماتریس مقایسه سریع (ارائه‌دهندگان در یک نگاه)

ارائه‌دهنده / مسیر	بهترین برای	کاتالوگ وزن باز	تنظیم دقیق	پروفایل تأخیر	روش قیمت‌گذاری	منطقه / در محل	بازگشت / جایگزینی	تناسب BYOI	یادداشت‌ها
AWS Bedrock (مدیریت‌شده)	انطباق سازمانی و اکوسیستم AWS	مجموعه منتخب (باز + اختصاصی)	بله (از طریق SageMaker)	قوی؛ وابسته به منطقه	بر اساس درخواست/توکن	چندمنطقه‌ای	بله (از طریق اپلیکیشن)	بازگشت مجاز	IAM قوی، سیاست‌ها
نقاط پایانی استنتاج Hugging Face (مدیریت‌شده)	OSS دوستدار توسعه‌دهنده با جاذبه جامعه	بزرگ از طریق Hub	آداپتورها و کانتینرهای سفارشی	خوب؛ مقیاس‌پذیری خودکار	به ازای هر نقطه پایانی/استفاده	چندمنطقه‌ای	بله	اولیه یا جایگزین	کانتینرهای سفارشی
با هم هوش مصنوعی (مدیریت‌شده)	مقیاس و عملکرد بر روی وزن‌های باز	کاتالوگ گسترده	بله	توان عملیاتی رقابتی	توکن‌های استفاده	چندمنطقه‌ای	بله	سرریز خوب	گزینه‌های آموزش
تکرار (مدیریت‌شده)	نمونه‌سازی سریع و یادگیری ماشین بصری	گسترده (تصویر/ویدئو/متن)	محدود	مناسب برای آزمایش‌ها	پرداخت به ازای مصرف	مناطق ابری	بله	سطح آزمایشی	کانتینرهای کوگ
گروک (مدیریت‌شده)	استنتاج با تأخیر فوق‌العاده کم	مجموعه منتخب	تمرکز اصلی نیست	بسیار کم p95	استفاده	مناطق ابری	بله	سطح تأخیر	تراشه‌های سفارشی
io.net (غیرمتمرکز)	تخصیص پویا GPU	متغیر	ناموجود	متغیر	استفاده	جهانی	ناموجود	ترکیب به‌صورت مورد نیاز	اثرات شبکه
اشتراک‌گذاریAI (BYOI + شبکه)	کنترل + تاب‌آوری + درآمد	بازار در میان ارائه‌دهندگان	بله (از طریق شرکا)	رقابتی؛ مبتنی بر سیاست	استفاده (+ انتخاب درآمد)	مسیریابی منطقه‌ای	بومی	ابتدا BYOI	API یکپارچه

پروفایل‌های ارائه‌دهنده (مطالعات کوتاه)

AWS Bedrock (مدیریت‌شده)

بهترین برای: انطباق در سطح سازمانی، یکپارچه‌سازی IAM، کنترل‌های منطقه‌ای. نقاط قوت: وضعیت امنیتی، کاتالوگ مدل گزینشی (باز + اختصاصی). مبادلات: ابزارهای متمرکز بر AWS؛ هزینه/حاکمیت نیازمند تنظیم دقیق. ترکیب با ShareAI: نگه داشتن Bedrock به‌عنوان یک گزینه پشتیبان برای بارهای کاری تنظیم‌شده در حالی که ترافیک روزمره را روی گره‌های خود اجرا می‌کنید.

نقاط پایانی استنتاج Hugging Face (مدیریت‌شده)

بهترین برای: میزبانی OSS کاربرپسند با پشتیبانی از جامعه Hub. نقاط قوت: کاتالوگ مدل بزرگ، کانتینرهای سفارشی، آداپتورها. مبادلات: هزینه‌های نقطه پایانی/خروجی؛ نگهداری کانتینر برای نیازهای سفارشی. ترکیب با ShareAI: تنظیم HF به عنوان اولیه برای مدل‌های خاص و فعال‌سازی پشتیبان ShareAI برای حفظ تجربه کاربری روان در زمان اوج.

هوش مصنوعی Together (مدیریت‌شده)

بهترین برای: عملکرد در مقیاس در مدل‌های با وزن باز. نقاط قوت: توان عملیاتی رقابتی، گزینه‌های آموزش/تنظیم دقیق، چند منطقه‌ای. مبادلات: تناسب مدل/وظیفه متفاوت است؛ ابتدا بنچمارک کنید. ترکیب با ShareAI: اجرای پایه BYOI و انتقال به Together برای p95 پایدار.

Replicate (مدیریت‌شده)

بهترین برای: نمونه‌سازی سریع، خطوط لوله تصویر/ویدئو، و استقرار ساده. نقاط قوت: کانتینرهای Cog، کاتالوگ گسترده فراتر از متن. مبادلات: همیشه ارزان‌ترین گزینه برای تولید پایدار نیست. ترکیب با ShareAI: Replicate را برای آزمایش‌ها و مدل‌های خاص نگه دارید؛ تولید را از طریق BYOI با پشتیبان ShareAI هدایت کنید.

Groq (مدیریت‌شده، تراشه‌های سفارشی)

بهترین برای: استنتاج با تأخیر فوق‌العاده کم جایی که p95 اهمیت دارد (برنامه‌های بلادرنگ). نقاط قوت: معماری تعیین‌کننده؛ توان عملیاتی عالی در دسته-1. مبادلات: انتخاب مدل‌های گزینشی. ترکیب با ShareAI: افزودن Groq به عنوان یک لایه تأخیر در سیاست ShareAI خود برای تجربه‌های زیر یک ثانیه در زمان اوج.

io.net (غیرمتمرکز)

بهترین برای: تخصیص پویا GPU از طریق یک شبکه اجتماعی. نقاط قوت: گستره ظرفیت. مبادلات: عملکرد متغیر؛ سیاست و نظارت کلیدی هستند. ترکیب با ShareAI: ترکیب بازگشت غیرمتمرکز با پایه BYOI خود برای انعطاف‌پذیری با محدودیت‌ها.

جایگاه ShareAI در مقابل دیگران (راهنمای تصمیم‌گیری)

اشتراک‌گذاریAI در وسط به عنوان یک “بهترین از هر دو جهان” لایه قرار می‌گیرد. شما می‌توانید:

• ابتدا روی سخت‌افزار خود اجرا کنید (اولویت BYOI).
• انفجار به یک شبکه غیرمتمرکز به‌طور خودکار زمانی که به انعطاف‌پذیری نیاز دارید.
• به صورت اختیاری مسیر دهید به نقاط پایانی مدیریت‌شده خاص برای دلایل تأخیر، قیمت یا رعایت قوانین.

جریان تصمیم‌گیری: اگر کنترل داده‌ها سختگیرانه است، اولویت BYOI را تنظیم کنید و بازگشت به مناطق/ارائه‌دهندگان تأیید شده را محدود کنید. اگر تأخیر اهمیت دارد، یک لایه کم‌تأخیر اضافه کنید (مثلاً Groq). اگر بارهای کاری ناپایدار هستند، یک پایه BYOI سبک نگه دارید و اجازه دهید شبکه ShareAI اوج‌ها را مدیریت کند.

با خیال راحت آزمایش کنید در زمین بازی قبل از اعمال سیاست‌ها در تولید.

عملکرد، تأخیر و قابلیت اطمینان (الگوهای طراحی)

• دسته‌بندی و ذخیره‌سازی: از حافظه کش KV در صورت امکان استفاده کنید؛ درخواست‌های مکرر را ذخیره کنید؛ نتایج را زمانی که تجربه کاربری را بهبود می‌بخشد، پخش کنید.
• رمزگشایی احتمالی: در صورت پشتیبانی، می‌تواند تأخیر انتهایی را کاهش دهد.
• چندمنطقه‌ای: گره‌های BYOI را نزدیک کاربران قرار دهید؛ بازگشت منطقه‌ای اضافه کنید؛ آزمایش انتقال منظم انجام دهید.
• مشاهده‌پذیری: توکن‌ها/ثانیه، عمق صف، p95 و رویدادهای انتقال را دنبال کنید؛ آستانه‌های سیاست را بهبود دهید.
• SLOها/SLAها: پایه BYOI + بازگشت شبکه می‌تواند اهداف را بدون تخصیص بیش از حد سنگین برآورده کند.

حکمرانی، انطباق و محل اقامت داده‌ها

میزبانی خود به شما اجازه می‌دهد داده‌ها را دقیقاً در جایی که انتخاب می‌کنید (در محل یا در منطقه) نگه دارید. با ShareAI، از مسیریابی منطقه‌ای و لیست‌های مجاز استفاده کنید تا بازگشت فقط به مناطق/ارائه‌دهندگان تأیید شده انجام شود. گزارش‌های حسابرسی و ردیابی‌ها را در دروازه خود نگه دارید؛ ثبت کنید که بازگشت چه زمانی رخ داده و به کدام مسیر.

اسناد مرجع و یادداشت‌های پیاده‌سازی در مستندات ShareAI.

مدل‌سازی هزینه: مدیریت شده در مقابل میزبانی شخصی در مقابل BYOI + غیرمتمرکز

به CAPEX در مقابل OPEX و استفاده فکر کنید:

• مدیریت‌شده کاملاً OPEX است: شما برای مصرف پرداخت می‌کنید و بدون SRE انعطاف‌پذیری دریافت می‌کنید. انتظار داشته باشید برای راحتی، هزینه بیشتری به ازای هر توکن بپردازید.
• خود-میزبان CAPEX/اجاره، برق و زمان عملیات را ترکیب می‌کند. زمانی که استفاده قابل پیش‌بینی یا بالا باشد، یا کنترل اهمیت داشته باشد، برتری دارد.
• BYOI + ShareAI اندازه پایه شما را بهینه می‌کند و اجازه می‌دهد که بازگشت به حالت اولیه اوج‌ها را پوشش دهد. به طور حیاتی، شما می‌توانید کسب درآمد کنید زمانی که دستگاه‌های شما در غیر این صورت بیکار باشند — هزینه کل مالکیت (TCO) را جبران کنید.

مدل‌ها و هزینه‌های مسیر معمولی را در بازار مدل‌ها, مقایسه کنید، و نسخه‌ها فید را برای گزینه‌های جدید و کاهش قیمت‌ها مشاهده کنید.

مرحله به مرحله: شروع کار

گزینه A — مدیریت‌شده (بدون سرور)

• یک ارائه‌دهنده انتخاب کنید (HF/Together/Replicate/Groq/Bedrock/ShareAI).
• یک نقطه پایانی برای مدل خود مستقر کنید.
• آن را از برنامه خود فراخوانی کنید؛ تلاش‌های مجدد اضافه کنید؛ p95 و خطاها را نظارت کنید.

گزینه B — میزبانی LLM متن‌باز (میزبانی خودی)

• زمان اجرا (مثلاً vLLM/TGI) و سخت‌افزار را انتخاب کنید.
• کانتینری‌سازی کنید؛ معیارها/صادرکننده‌ها را اضافه کنید؛ در صورت امکان مقیاس‌گذاری خودکار را پیکربندی کنید.
• با یک دروازه جلو قرار دهید؛ یک بازگشت مدیریت‌شده کوچک برای بهبود تأخیر انتهایی در نظر بگیرید.

گزینه C — BYOI با ShareAI (ترکیبی)

• عامل را نصب کنید و گره(ها)ی خود را ثبت کنید.
• تنظیم کنید اولویت بر دستگاه من برای تطبیق با نیت خود (خاموش = اولویت جامعه؛ روشن = اولویت دستگاه) کلید را تنظیم کنید.
• بازگشت‌ها را اضافه کنید: شبکه ShareAI + ارائه‌دهندگان نام‌گذاری‌شده؛ مناطق/سهمیه‌ها را تنظیم کنید.
• پاداش‌ها را فعال کنید (اختیاری) تا دستگاه شما در زمان بیکاری درآمد کسب کند.
• در زمین بازی, آزمایش کنید، سپس ارسال کنید.

قطعات کد

1) تولید متن ساده از طریق API ShareAI (curl)

curl -X POST "https://api.shareai.now/v1/chat/completions" \"

2) همان فراخوانی (JavaScript fetch)

const res = await fetch("https://api.shareai.now/v1/chat/completions", {;

مثال‌های دنیای واقعی

method: "POST",

headers: {.

"Authorization": `Bearer ${process.env.SHAREAI_API_KEY}`,

"Content-Type": "application/json" زمین بازی },.

body: JSON.stringify({

model: "llama-3.1-70b",.

سوالات متداول

افکار نهایی

مدیریت‌شده ],. خود-میزبان stream: false. BYOI + ShareAI }), temperature: 0.4, }); درآمد وقتی که نمی‌کنید. در صورت شک، با یک گره شروع کنید، ترجیح کلیدی را برای مطابقت با نیت خود تنظیم کنید، بازگشت ShareAI را فعال کنید و با ترافیک واقعی تکرار کنید.

مدل‌ها، قیمت‌گذاری و مسیرها را کاوش کنید در بازار مدل‌ها, ، بررسی کنید نسخه‌ها برای به‌روزرسانی‌ها، و مرور کنید مستندات برای اتصال این به تولید. قبلاً کاربر هستید؟ ورود / ثبت‌نام.