Moli Fangzhou (Gitee AI) : transformer des modèles de base en applications livrables

Moli Fangzhou, connu sous le nom de Gitee AI, est une plateforme de cocréation d'applications d'IA de Gitee. Elle réunit trois éléments : une place de marché de plus de 70 modèles derrière une interface standardisée, la construction d'applications sans serveur qui ne demande pas de code, et le déploiement privé. Pour un développeur, la valeur n'est pas une liste de modèles de plus, mais la disparition des frictions entre un appel d'API qui fonctionne et une application en production.

L'obstacle réel pour mettre des modèles de base en production est la fragmentation : les modèles viennent d'éditeurs différents avec des interfaces différentes, l'inférence doit être hébergée, et la mise en ligne impose de gérer serveurs et concurrence. La plateforme réunit ces couches. Côté modèle, des interfaces standard ; côté déploiement, du sans serveur ; côté coût, une baisse annoncée pouvant atteindre 90 pour cent ; côté matériel, une adaptation aux puces chinoises Ascend, Iluvatar et MetaX tout en prenant en charge Nvidia et d'autres environnements internationaux.

Au-delà du service de modèles, la plateforme joue un rôle de cocréation : une application peut être listée, présentée et monétisée une fois construite, ce qui ferme la boucle entre développeur et utilisateur. Pour les entreprises, il y a la personnalisation par affinage, apprentissage par renforcement et échange de paramètres, ainsi qu'un déploiement privé couvrant les services d'inférence, la plateforme sans serveur et une pile complète de gestion de modèles MaaS, livrable en appliance matérielle et logicielle.

Ce que propose la plateforme

Place de marché de modèles

Des interfaces standardisées sur plus de 70 modèles couvrant génération de texte, génération d'images, compréhension sémantique et tâches multimodales, disponibles en appel sans serveur comme en déploiement privé. Une interface unique évite de réécrire la couche d'appel à chaque changement de modèle.

Construction visuelle

Une interface graphique où l'on définit nom, description, entrées et sorties, connecte le modèle choisi et clique pour déployer. Aucun code à aucun moment.

Compatibilité matérielle étendue

Adaptée aux puces chinoises Ascend, Iluvatar et MetaX ainsi qu'à Nvidia et d'autres environnements internationaux, de sorte que le choix du silicium ne dépend pas d'une seule chaîne d'approvisionnement.

Baisse du coût d'inférence

L'architecture sans serveur allège le développement et le déploiement, et l'éditeur annonce jusqu'à 90 pour cent de coût d'inférence en moins. Cela compte surtout pour les applications à faible trafic, où la capacité inactive ne coûte rien.

Cocréation d'applications

Le parcours complet du développement à la mise en ligne, la présentation et la monétisation, pour que ce qui est construit ait un lieu d'exposition et une voie de revenus.

Personnalisation de modèles

Affinage, apprentissage par renforcement et échange de paramètres permettent de mouler un modèle général sur le métier de l'entreprise.

Chargement dynamique de LoRA

Les paramètres légers s'échangent à chaud en cours d'exécution, si bien que personnaliser n'oblige pas à arrêter et redéployer tout le modèle.

Composition de capacités

Orchestration multi-API et appels en flux enchaînent recherche, génération et compréhension dans une seule chaîne au lieu de tout demander à un modèle.

Canal stable à haute disponibilité

Les jetons d'API sont liés séparément et supportent une forte concurrence, avec cache multiniveau et réutilisation de modèles pour raccourcir les temps de réponse.

Déploiement privé

Couvre les services d'inférence, la plateforme sans serveur et la pile complète de gestion MaaS, livrable en appliance matérielle et logicielle pour les environnements d'entreprise.

Formation des développeurs

Conférences techniques et bootcamps par scénario créent un espace d'apprentissage et d'échange, et offrent aux entreprises une vitrine pour leur propre technique.

Comment l'utiliser

1. Ouvrir ai.gitee.com et s'inscrire avec un e-mail ou un numéro de téléphone, ou se connecter directement avec un compte Gitee.
2. Compléter le profil personnel ou d'entreprise comme demandé, ce qui débloque le reste des services.
3. Parcourir la place de marché et présélectionner par type de tâche : texte, image, compréhension sémantique ou multimodal.
4. Créer une application et obtenir une clé d'API, qui est l'identifiant d'appel de l'interface.
5. Lire la documentation du modèle pour les paramètres et la structure de réponse, puis faire un premier appel HTTP avec la clé.
6. Si l'on préfère éviter le code, passer à la construction visuelle : ouvrir le constructeur, configurer nom, description, entrées et sorties, connecter le modèle et fixer les paramètres.
7. Cliquer sur générer : la plateforme déploie et publie l'application, qui peut ensuite avancer vers la présentation et la monétisation.

Où cela sert

• Service client et assistants : entraîner un modèle privé sur les bases de connaissances, la documentation produit et les manuels, avec des modèles vocaux au besoin.
• Secteur public : traitement intelligent des dossiers, tribunaux dans le cloud et travaux à exigences fortes de conformité et de déploiement privé.
• Commerce en direct et e-commerce : générer du contenu marketing, lire l'intérêt et le sentiment des utilisateurs et ajuster l'offre.
• Production de contenu : sortie en lot de textes, images et vidéos pour les équipes publicité, média et création.
• Analyse de données et bureau : interroger et analyser en langage naturel, ou automatiser documents, comptes rendus et suivi des tâches.
• Développeurs indépendants et petites équipes : valider une idée de produit d'IA sans payer d'abord serveurs et exploitation.

Limites à connaître

• Les documents publics ne détaillent pas le prix par modèle : le budget doit venir de la consommation réelle mesurée dans la console, pas du chiffre de 90 pour cent.
• Le sans serveur convient à un trafic irrégulier, mais sur des charges temps réel sensibles à la latence, les démarrages à froid et les files doivent être mesurés.
• La personnalisation par affinage ou apprentissage par renforcement suppose en général un compte entreprise et des données préparées, donc un développeur individuel peut ne pas y accéder.
• Le déploiement privé et la livraison en appliance relèvent d'accords entreprises avec processus commercial et achat matériel, hors inscription en libre-service.
• La plateforme agrège des modèles tiers dont les limites, licences et politiques de données diffèrent, chaque choix demande donc sa propre vérification.
• La mise en ligne et la monétisation dépendent du trafic de la plateforme et de ses règles de partage : les revenus suivent la qualité et la promotion, pas la publication seule.

Questions fréquentes

Quelle différence avec l'appel direct à l'API d'un éditeur ?

Intégrer un seul éditeur oblige à réécrire la couche d'appel à chaque changement de modèle. Moli Fangzhou place plus de 70 modèles derrière des interfaces standard, ce qui rend le changement peu coûteux, et ajoute déploiement sans serveur, mise en ligne d'applications et livraison privée, soit tout le trajet du modèle à l'application.

Utilisable sans savoir coder ?

Oui. La construction visuelle offre une interface graphique où l'on configure nom, description, entrées et sorties, connecte un modèle et clique pour publier, sans écrire de code. La voie API reste disponible pour un contrôle plus fin.

Jusqu'où va la prise en charge des puces chinoises ?

La plateforme est adaptée aux puces chinoises Ascend, Iluvatar et MetaX et prend aussi en charge Nvidia et d'autres matériels internationaux. La performance d'un modèle précis sur une puce précise demande encore des tests dans votre contexte.

Le déploiement privé est-il possible avec des données sensibles ?

Oui. Il couvre les services d'inférence, la plateforme sans serveur et la pile complète MaaS, et peut être livré en appliance matérielle et logicielle pour les environnements où les données ne peuvent pas sortir du réseau interne.