热点事件持续更新
SageMaker AI 上 TTS 扩缩容目标值实测
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月23日，AWS Machine Learning Blog 发文讨论 Amazon SageMaker AI 上自托管 TTS 端点扩缩容目标值依赖猜测的问题。文章以 8200 万参数的 Kokoro-82M 部署在 SageMaker AI 实时端点上为例，用实测的 Q_max（单实例不突破 SLO 的最高并发）和 T_total（一次扩容端到端耗时）推算扩容阈值、缩容阈值与两个冷却时间。目前进展停留在方法演示层面，报道未提及该方案在其他模型或生产环境中的落地情况。
AI 根据报道生成 · 3 小时前更新
最新进展10月23日 00:30
AWS 发文以 Kokoro-82M 实测推算 SageMaker AI TTS 扩缩容阈值与冷却时间。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- AWS Machine Learning Blog别再猜 Amazon SageMaker AI 上 TTS 的自动扩缩容目标值
针对 Amazon SageMaker AI 上自托管 TTS 端点扩缩容目标值靠猜的问题，文章以 8200 万参数的 Kokoro-82M 部署在 SageMaker AI 实时端点为例，用实测的 Q_max（单实例不突破 SLO 的最高并发）和 T_total（一次扩容端到端耗时）推算扩容阈值、缩容阈值与两个冷却时间。
本事件热度走势
当前热度 9·可比范围峰值 10（10月23日 01:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。