Moli Fangzhou (Gitee AI): aus Basismodellen werden auslieferbare Apps

Moli Fangzhou, bekannt als Gitee AI, ist eine Plattform zur gemeinsamen Entwicklung von KI-Anwendungen von Gitee. Sie bündelt drei Dinge: einen Modellmarkt mit über 70 gängigen Modellen hinter einer standardisierten Schnittstelle, Serverless-App-Bau ohne Code und private Bereitstellung. Für Entwickler liegt der Wert nicht in einer weiteren Modellliste, sondern darin, dass die Reibung zwischen einem funktionierenden API-Aufruf und einer laufenden Anwendung verschwindet.

Das praktische Hindernis beim Einsatz von Basismodellen ist Zersplitterung: Modelle kommen von verschiedenen Anbietern mit verschiedenen Schnittstellen, Inferenz muss gehostet werden, und für den Livegang braucht es Server und Nebenläufigkeit. Die Plattform zieht diese Schichten zusammen. Die Modellseite bietet Standardschnittstellen, die Bereitstellung läuft serverless, auf der Kostenseite wird eine Senkung der Inferenzkosten um bis zu 90 Prozent genannt, und auf der Hardwareseite ist die Plattform an chinesische KI-Chips wie Ascend, Iluvatar und MetaX angepasst und unterstützt zugleich Nvidia und andere internationale Umgebungen.

Über das Modellangebot hinaus übernimmt die Plattform eine Rolle bei der gemeinsamen Entwicklung: Eine Anwendung lässt sich nach dem Bau listen, präsentieren und monetarisieren, was den Kreis zwischen Entwickler und Nutzer schließt. Für Unternehmen gibt es Modellanpassung über Fine-Tuning, Reinforcement Learning und Parametertausch sowie private Bereitstellung, die Inferenzdienste, die Serverless-Plattform und einen vollständigen MaaS-Modellmanagement-Stack umfasst, auch als Kombination aus Hard- und Software.

Was die Plattform bietet

Modellmarkt

Standardschnittstellen für über 70 gängige Modelle aus Textgenerierung, Bildgenerierung, semantischem Verstehen und multimodalen Aufgaben, sowohl als Serverless-Aufruf als auch privat bereitstellbar. Eine einheitliche Schnittstelle verhindert, dass ein Modellwechsel das Nachschreiben der Aufrufschicht erzwingt.

Visueller App-Bau

Eine grafische Oberfläche, in der Name, Beschreibung sowie Ein- und Ausgaben gesetzt, das gewählte Modell verbunden und per Klick bereitgestellt wird. An keiner Stelle ist Code nötig.

Breite Hardwareunterstützung

Angepasst an chinesische KI-Chips wie Ascend, Iluvatar und MetaX und zugleich an Nvidia und andere internationale Umgebungen, sodass die Chipwahl nicht an eine Lieferkette gebunden ist.

Geringere Inferenzkosten

Die Serverless-Architektur nimmt Entwicklungs- und Bereitstellungsaufwand weg, und der Anbieter nennt bis zu 90 Prozent geringere Inferenzkosten. Das wirkt vor allem bei Anwendungen mit wenig Verkehr, wo Leerlauf nichts kostet.

Gemeinsame Anwendungsentwicklung

Der ganze Weg von Entwicklung über Listen und Präsentation bis Monetarisierung, damit Gebautes einen Ort zum Gesehenwerden und einen Weg zu Erlösen hat.

Modellanpassung

Fine-Tuning, Reinforcement Learning und Parametertausch formen ein allgemeines Modell auf das eigene Geschäft zu.

Dynamisches LoRA-Laden

Leichte Parameter lassen sich zur Laufzeit austauschen, sodass Personalisierung kein Abschalten und Neubereitstellen des ganzen Modells erfordert.

Kombinierbare Fähigkeiten

Mehrfach-API-Orchestrierung und Workflow-Aufrufe verketten Retrieval, Generierung und Verstehen zu einer Pipeline, statt alles von einem Modell zu verlangen.

Stabiler Kanal mit hoher Verfügbarkeit

API-Tokens sind eigenständig gebunden und tragen hohe Nebenläufigkeit; mehrstufiges Caching und Modellwiederverwendung verkürzen Antwortzeiten.

Private Bereitstellung

Umfasst Inferenzdienste, die Serverless-Plattform und den vollständigen MaaS-Modellmanagement-Stack und ist als Hard- und Software-Appliance für Unternehmen lieferbar.

Weiterbildung für Entwickler

Technikvorträge und szenariobasierte Bootcamps schaffen Raum zum Lernen und Austauschen und geben Firmen eine Bühne für eigene Technik.

So funktioniert es

1. ai.gitee.com öffnen und sich mit E-Mail oder Telefonnummer registrieren oder direkt mit einem Gitee-Konto anmelden.
2. Das persönliche oder betriebliche Profil wie angefordert vervollständigen, was die übrigen Dienste freischaltet.
3. Den Modellmarkt durchsehen und nach Aufgabentyp vorauswählen: Text, Bild, semantisches Verstehen oder multimodal.
4. Eine Anwendung anlegen und einen API-Schlüssel beziehen, die Zugangsdaten für den Schnittstellenaufruf.
5. Die API-Dokumentation des Modells zu Parametern und Antwortstruktur lesen und einen ersten HTTP-Aufruf mit dem Schlüssel machen.
6. Wer keinen Code schreiben will, wechselt zum visuellen Bau: App-Builder öffnen, Name, Beschreibung sowie Ein- und Ausgaben konfigurieren, Modell verbinden und Aufrufparameter setzen.
7. Auf Generieren klicken, die Plattform stellt bereit und veröffentlicht; danach geht es über die Co-Creation-Strecke zu Präsentation und Monetarisierung.

Wo es passt

• Kundenservice und Assistenten: ein privates Modell auf Wissensdatenbanken, Produktdokumentation und Handbüchern trainieren, bei Bedarf mit Spachmodellen.
• Öffentlicher Sektor: intelligente Fallbearbeitung, Cloud-Gerichtssäle und Arbeiten mit strengen Anforderungen an Compliance und private Bereitstellung.
• Live-Commerce und E-Commerce: Marketinginhalte erzeugen, Interesse und Stimmung der Nutzer lesen und das Angebot ausrichten.
• Content-Produktion: Text-, Bild- und Videomaterial in Serie für Werbung, Medien und Kreativteams.
• Datenanalyse und Büro: in natürlicher Sprache abfragen und analysieren oder Dokumente, Protokolle und Aufgaben automatisiert erzeugen.
• Einzelentwickler und kleine Teams: eine KI-Produktidee prüfen, ohne zuerst Server und Betrieb zu bezahlen.

Grenzen, die man kennen sollte

• Öffentliche Unterlagen nennen keine Preise pro Modell, daher muss das Budget aus dem im Konsolenbereich gemessenen Verbrauch entstehen und nicht aus der 90-Prozent-Angabe.
• Serverless passt zu schwankendem Verkehr, doch bei latenzkritischen Echtzeitlasten müssen Kaltstarts und Warteschlangen gemessen werden.
• Anpassung per Fine-Tuning oder Reinforcement Learning setzt meist ein Unternehmenskonto und vorbereitete Daten voraus, sodass Einzelentwickler sie nicht ohne Weiteres erreichen.
• Private Bereitstellung und Appliance-Lieferung sind Unternehmensvereinbarungen mit Vertriebsprozess und Hardwarebeschaffung, außerhalb der Selbstbedienung.
• Die Plattform bündelt Modelle Dritter, deren Fähigkeitsgrenzen, Lizenzbedingungen und Datenrichtlinien sich unterscheiden, weshalb jede Wahl einzeln zu prüfen ist.
• Listen und Monetarisierung hängen vom Traffic der Plattform und ihren Beteiligungsregeln ab, Erlöse folgen also Qualität und Bewerbung, nicht der Veröffentlichung selbst.

Häufige Fragen

Worin unterscheidet es sich vom direkten Aufruf der API eines Anbieters?

Wer nur einen Anbieter integriert, muss die Aufrufschicht bei jedem Modellwechsel neu schreiben. Moli Fangzhou legt über 70 Modelle hinter Standardschnittstellen, sodass der Wechsel günstig ist, und ergänzt Serverless-Bereitstellung, App-Listing und private Lieferung, also die ganze Strecke vom Modell zur Anwendung.

Geht es auch ohne Programmierkenntnisse?

Ja. Der visuelle Bau bietet eine grafische Oberfläche, in der Name, Beschreibung sowie Ein- und Ausgaben gesetzt, ein Modell verbunden und per Klick veröffentlicht wird, ohne Code. Für feinere Kontrolle bleibt der API-Weg offen.

Wie weit reicht die Unterstützung chinesischer Chips?

Die Plattform ist an chinesische KI-Chips wie Ascend, Iluvatar und MetaX angepasst und unterstützt auch Nvidia und andere internationale Hardware. Die Leistung eines bestimmten Modells auf einem bestimmten Chip muss im eigenen Szenario gemessen werden.

Ist private Bereitstellung für sensible Daten möglich?

Ja. Private Bereitstellung umfasst Inferenzdienste, die Serverless-Plattform und den vollständigen MaaS-Stack und ist als Hard- und Software-Appliance lieferbar, für Umgebungen, in denen Daten das interne Netz nicht verlassen dürfen.