Moli Fangzhou (Gitee AI): convertir modelos fundacionales en aplicaciones publicables

Moli Fangzhou, conocido como Gitee AI, es una plataforma de cocreación de aplicaciones de IA de Gitee. Reúne tres piezas: un mercado de modelos con más de 70 modelos principales tras una interfaz estandarizada, construcción de aplicaciones sin servidor que no exige código y despliegue privado. Para un desarrollador el valor no es otra lista de modelos, sino que desaparece la fricción entre una llamada API que funciona y una aplicación en producción.

El obstáculo real al llevar modelos fundacionales a producción es la fragmentación: los modelos vienen de proveedores distintos con interfaces distintas, la inferencia hay que alojarla y salir en vivo implica gestionar servidores y concurrencia. La plataforma junta esas capas. El lado del modelo expone interfaces estándar, el del despliegue funciona sin servidor, el del coste afirma que la inferencia puede bajar hasta un 90 por ciento y el del hardware está adaptado a chips de IA chinos como Ascend, Iluvatar y MetaX, además de Nvidia y otros entornos internacionales.

Más allá del servicio de modelos, la plataforma cumple un papel de cocreación: una aplicación puede listarse, exhibirse y monetizarse tras construirse, cerrando el círculo entre desarrollador y usuario. Para empresas hay personalización mediante ajuste fino, aprendizaje por refuerzo e intercambio de parámetros, además de despliegue privado que cubre servicios de inferencia, la plataforma sin servidor y una pila completa de gestión de modelos MaaS, con entrega en formato de appliance.

Qué ofrece la plataforma

Mercado de modelos

Interfaces estandarizadas sobre más de 70 modelos principales que cubren generación de texto, generación de imagen, comprensión semántica y tareas multimodales, disponibles tanto como llamada sin servidor como en despliegue privado. Una sola interfaz evita reescribir la capa de llamada al cambiar de modelo.

Construcción visual

Una interfaz gráfica donde se define nombre, descripción y entradas y salidas, se conecta el modelo elegido y se pulsa generar para desplegar. Sin código en ningún punto del recorrido.

Compatibilidad amplia de hardware

Adaptada a chips de IA chinos como Ascend, Iluvatar y MetaX y también a Nvidia y otros entornos internacionales, de modo que la elección de silicio no queda atada a una sola cadena de suministro.

Reducción del coste de inferencia

La arquitectura sin servidor aligera el desarrollo y el despliegue, y el proveedor afirma que el coste de inferencia puede caer hasta un 90 por ciento. Importa sobre todo en aplicaciones de poco tráfico, donde la capacidad ociosa no cuesta.

Cocreación de aplicaciones

El recorrido completo de desarrollo, publicación, exhibición y monetización, para que lo que se construye tenga dónde ser visto y una vía de ingresos.

Personalización de modelos

Ajuste fino, aprendizaje por refuerzo e intercambio de parámetros permiten a una empresa moldear un modelo general hacia su propio negocio.

Carga dinámica de LoRA

Los parámetros ligeros pueden intercambiarse en caliente durante la ejecución, así que personalizar no obliga a retirar el modelo y redesplegarlo.

Composición de capacidades

Orquestación de múltiples API y llamadas tipo flujo encadenan recuperación, generación y comprensión en una sola tubería en lugar de pedirle todo a un modelo.

Canal estable de alta disponibilidad

Los tokens de API se vinculan de forma independiente y admiten alta concurrencia, con caché multinivel y reutilización de modelos para acortar los tiempos de respuesta.

Despliegue privado

Cubre servicios de inferencia, la plataforma sin servidor y la pila completa de gestión MaaS, y puede entregarse como appliance de hardware y software para entornos empresariales.

Formación para desarrolladores

Charlas técnicas y bootcamps por escenarios crean espacio para aprender e intercambiar, y dan a las empresas un escaparate donde mostrar su trabajo.

Cómo se usa

1. Abrir ai.gitee.com y registrarse con correo o teléfono, o entrar directamente con una cuenta de Gitee.
2. Completar el perfil personal o de empresa según se indique, lo que habilita el resto de servicios.
3. Recorrer el mercado de modelos y preseleccionar por tipo de tarea: texto, imagen, comprensión semántica o multimodal.
4. Crear una aplicación y obtener una clave API, que es la credencial para llamar a la interfaz.
5. Leer la documentación del modelo para conocer parámetros y estructura de respuesta y hacer una primera llamada HTTP con la clave.
6. Si se prefiere no escribir código, pasar a la construcción visual: abrir el constructor, configurar nombre, descripción y entradas y salidas, conectar el modelo y fijar los parámetros.
7. Pulsar generar y la plataforma despliega y publica la aplicación, que luego puede avanzar hacia exhibición y monetización.

Dónde encaja

• Atención al cliente y asistentes: entrenar un modelo privado con bases de conocimiento, documentación de producto y manuales, con modelos de voz cuando haga falta.
• Sector público: tramitación inteligente, juzgados en la nube y otros trabajos con requisitos estrictos de cumplimiento y despliegue privado.
• Comercio en directo y e-commerce: generar contenido de marketing, leer interés y sentimiento y orientar la oferta.
• Producción de contenido: salida por lotes de texto, imagen y vídeo para equipos de publicidad, medios y creatividad.
• Análisis de datos y oficina: consultar y analizar en lenguaje natural, o automatizar documentos, actas y gestión de tareas.
• Desarrolladores independientes y equipos pequeños: validar una idea de producto de IA sin pagar antes servidores ni operación.

Limitaciones a tener en cuenta

• El material público no detalla el precio por modelo, así que el presupuesto debe salir del consumo real medido en la consola y no del titular del 90 por ciento.
• Sin servidor encaja con tráfico irregular, pero en cargas en tiempo real sensibles a la latencia, los arranques en frío y las colas deben medirse.
• La personalización con ajuste fino o aprendizaje por refuerzo suele exigir cuenta empresarial y datos preparados, de modo que un desarrollador individual puede no llegar a ella.
• El despliegue privado y la entrega en appliance son acuerdos empresariales con proceso comercial y compra de hardware, fuera del registro de autoservicio.
• La plataforma agrega modelos de terceros, y los límites de capacidad, las licencias y las políticas de datos difieren entre ellos, así que cada elección merece revisión propia.
• Publicar y monetizar depende del tráfico de la plataforma y de sus reglas de reparto, así que los ingresos siguen a la calidad y la promoción, no a la publicación.

Preguntas frecuentes

¿En qué se diferencia de llamar directamente a la API de un proveedor?

Integrar un solo proveedor obliga a reescribir la capa de llamada cada vez que se cambia de modelo. Moli Fangzhou sitúa más de 70 modelos tras interfaces estándar, así que cambiar es barato, y añade despliegue sin servidor, publicación de aplicaciones y entrega privada, cubriendo todo el tramo del modelo a la aplicación.

¿Sirve sin saber programar?

Sí. La construcción visual ofrece una interfaz gráfica donde se configura nombre, descripción y entradas y salidas, se conecta un modelo y se pulsa generar para publicar, sin escribir código. La vía API sigue disponible para un control más fino.

¿Hasta dónde llega el soporte de chips chinos?

La plataforma está adaptada a chips de IA chinos como Ascend, Iluvatar y MetaX y también admite Nvidia y otro hardware internacional. El rendimiento de un modelo concreto en un chip concreto sigue necesitando pruebas en cada escenario.

¿Se puede desplegar en privado con datos sensibles?

Sí. El despliegue privado cubre servicios de inferencia, la plataforma sin servidor y la pila completa de gestión MaaS, y puede entregarse como appliance de hardware y software para entornos donde los datos no pueden salir de la red interna.