Moli Fangzhou (Gitee AI): transformar modelos de base em aplicações publicáveis

Moli Fangzhou, conhecido como Gitee AI, é uma plataforma de cocriação de aplicações de IA da Gitee. Reúne três partes: um marketplace com mais de 70 modelos principais atrás de uma interface padronizada, construção de aplicações sem servidor que dispensa código e implantação privada. Para quem desenvolve, o valor não está em mais uma lista de modelos, mas no fato de a fricção entre uma chamada de API funcionando e uma aplicação no ar desaparecer.

O obstáculo real para levar modelos de base à produção é a fragmentação: modelos de fornecedores diferentes com interfaces diferentes, inferência que precisa ser hospedada e operação que exige servidores e concorrência. A plataforma junta essas camadas. O lado do modelo expõe interfaces padrão, o da implantação funciona sem servidor, o do custo afirma queda de até 90 por cento na inferência e o do hardware é adaptado a chips chineses como Ascend, Iluvatar e MetaX, além de Nvidia e outros ambientes internacionais.

Além do serviço de modelos, a plataforma cumpre papel de cocriação: uma aplicação pode ser listada, exibida e monetizada depois de construída, fechando o ciclo entre desenvolvedor e usuário. Para empresas há personalização com ajuste fino, aprendizado por reforço e troca de parâmetros, além de implantação privada cobrindo serviços de inferência, a plataforma sem servidor e uma pilha completa de gestão de modelos MaaS, com entrega em formato de appliance.

O que a plataforma oferece

Marketplace de modelos

Interfaces padronizadas sobre mais de 70 modelos principais, cobrindo geração de texto, geração de imagem, compreensão semântica e tarefas multimodais, disponíveis como chamada sem servidor e em implantação privada. Uma interface única evita reescrever a camada de chamada ao trocar de modelo.

Construção visual

Interface gráfica em que se define nome, descrição e entradas e saídas, conecta-se o modelo escolhido e clica-se em gerar para publicar. Sem código em nenhum ponto do percurso.

Compatibilidade ampla de hardware

Adaptada a chips chineses como Ascend, Iluvatar e MetaX e também a Nvidia e outros ambientes internacionais, de modo que a escolha de silício não fica presa a uma única cadeia de fornecimento.

Redução do custo de inferência

A arquitetura sem servidor alivia desenvolvimento e implantação, e o fornecedor afirma queda de até 90 por cento no custo de inferência. Isso pesa mais em aplicações de pouco tráfego, onde capacidade ociosa não custa.

Cocriação de aplicações

O percurso completo de desenvolvimento, publicação, exibição e monetização, para que o que se constrói tenha onde ser visto e um caminho de receita.

Personalização de modelos

Ajuste fino, aprendizado por reforço e troca de parâmetros permitem moldar um modelo geral para o negócio de cada empresa.

Carregamento dinâmico de LoRA

Parâmetros leves podem ser trocados a quente em execução, então personalizar não exige retirar o modelo e reimplantar tudo.

Composição de capacidades

Orquestração de múltiplas APIs e chamadas em fluxo encadeiam recuperação, geração e compreensão em um único pipeline em vez de exigir tudo de um modelo.

Canal estável de alta disponibilidade

Tokens de API são vinculados de forma independente e suportam alta concorrência, com cache multinível e reúso de modelos para encurtar o tempo de resposta.

Implantação privada

Cobre serviços de inferência, a plataforma sem servidor e a pilha completa de gestão MaaS, podendo ser entregue como appliance de hardware e software para ambientes corporativos.

Formação para desenvolvedores

Palestras técnicas e bootcamps por cenário criam espaço para aprender e trocar, e dão às empresas uma vitrine para mostrar seu trabalho.

Como usar

1. Abrir ai.gitee.com e cadastrar-se com e-mail ou telefone, ou entrar direto com uma conta Gitee.
2. Completar o perfil pessoal ou empresarial conforme solicitado, o que libera os demais serviços.
3. Percorrer o marketplace e pré-selecionar por tipo de tarefa: texto, imagem, compreensão semântica ou multimodal.
4. Criar uma aplicação e obter uma chave de API, que é a credencial para chamar a interface.
5. Ler a documentação do modelo para conferir parâmetros e estrutura de resposta e fazer a primeira chamada HTTP com a chave.
6. Se preferir não escrever código, ir para a construção visual: abrir o construtor, configurar nome, descrição e entradas e saídas, conectar o modelo e definir os parâmetros.
7. Clicar em gerar e a plataforma implanta e publica a aplicação, que depois pode avançar para exibição e monetização.

Onde se encaixa

• Atendimento e assistentes: treinar um modelo privado com bases de conhecimento, documentação de produto e manuais, com modelos de voz quando necessário.
• Setor público: tramitação inteligente, tribunais na nuvem e outros trabalhos com exigências rígidas de conformidade e implantação privada.
• Live commerce e e-commerce: gerar conteúdo de marketing, ler interesse e sentimento do usuário e direcionar a oferta.
• Produção de conteúdo: saída em lote de texto, imagem e vídeo para equipes de publicidade, mídia e criação.
• Análise de dados e escritório: consultar e analisar em linguagem natural, ou automatizar documentos, atas e gestão de tarefas.
• Desenvolvedores independentes e times pequenos: validar uma ideia de produto de IA sem pagar antes por servidores e operação.

Limitações a considerar

• O material público não detalha o preço por modelo, então o orçamento deve sair do consumo real medido no console e não da manchete dos 90 por cento.
• Sem servidor combina com tráfego irregular, mas em cargas em tempo real sensíveis à latência, partidas a frio e filas precisam ser medidas.
• Personalização com ajuste fino ou aprendizado por reforço costuma exigir conta corporativa e dados preparados, então um desenvolvedor individual pode não chegar até ela.
• Implantação privada e entrega em appliance são acordos corporativos com processo comercial e compra de hardware, fora do cadastro autosserviço.
• A plataforma agrega modelos de terceiros, e limites de capacidade, licenças e políticas de dados diferem entre eles, então cada escolha merece revisão própria.
• Publicar e monetizar depende do tráfego da plataforma e das regras de repartição, então a receita segue a qualidade e a divulgação, não a publicação em si.

Perguntas frequentes

Qual a diferença em relação a chamar direto a API de um fornecedor?

Integrar um único fornecedor obriga a reescrever a camada de chamada a cada troca de modelo. A Moli Fangzhou coloca mais de 70 modelos atrás de interfaces padrão, então trocar sai barato, e soma implantação sem servidor, publicação de aplicações e entrega privada, cobrindo do modelo à aplicação.

Funciona sem saber programar?

Sim. A construção visual oferece uma interface gráfica em que se configura nome, descrição e entradas e saídas, conecta-se um modelo e clica-se em gerar para publicar, sem escrever código. A via de API continua disponível para controle mais fino.

Até onde vai o suporte a chips chineses?

A plataforma é adaptada a chips chineses como Ascend, Iluvatar e MetaX e também suporta Nvidia e outro hardware internacional. O desempenho de um modelo específico em um chip específico ainda precisa ser testado em cada cenário.

Dá para implantar em privado com dados sensíveis?

Sim. A implantação privada cobre serviços de inferência, a plataforma sem servidor e a pilha completa de gestão MaaS, e pode ser entregue como appliance de hardware e software para ambientes em que os dados não podem sair da rede interna.