Hugging Face API和AutoTrain：与NLP Cloud的价格和功能比较

价格。拥抱的脸VS NLP云

首先，值得注意的是，NLP Cloud API在CPU和GPU上使用时可以免费测试（得益于免费计划和提供10万免费代币的现收现付计划），而Hugging Face API只能在CPU上免费测试（得益于其免费计划）。 这是一个重要的区别，因为最有趣的基于变形金刚的人工智能模型在GPU上运行得更快。有些甚至不在GPU上运行。

在计划方面，Hugging Face只提出了现收现付的定价（根据你的消费来定价），而NLP Cloud则同时提出了预付计划和现收现付计划。 假设你想在GPU上对平均包含5千字左右的文本片段进行文本分类，速度为每分钟15个请求。Hugging Face的定价是基于字符数的，而NLP Cloud的定价是基于代币数的。 5千字或多或少相当于15千字和3750个代币。在NLP云上，订阅入门GPU计划将花费你99美元/月，而在Hugging Face上，它将花费你15k x 15 x 60 x 24 x 31 x 50 / 1M = 500k/月（！！！）。

正如你所看到的，似乎Hugging Face现收现付的定价绝对不适合生产使用。从字面上看，没有人会为GPU上的文本分类支付这样的价格......

就微调而言，由于Hugging Face的AutoTrain定价不公开，所以根本无法比较。我们注册并尝试了他们的AutoTrain解决方案，但我们仍然无法找到任何明确的定价...

可用型号

Hugging Face的伟大之处在于，他们在自己的平台上托管了大量的AI模型！但这并不意味着你可以真正使用这些模型。然而，这并不意味着你可以真正使用这些模型。你当然可以下载它们，但这与使用它们是不同的。

只有很小一部分Hugging Face的模型实际上可以通过其API进行推理。如果你试图使用一个尚未加载的模型，你将不得不等待数分钟，或者干脆得到一个错误。 一个解决方案是钉住你想使用的模型，使它们始终可用，但在这种情况下，你必须在GPU上为每个模型支付额外的5美元/月。

在NLP云上，我们选择了一个不同的策略：大约有50个不同的人工智能模型一直可用。当我们认为一个模型是特定用例的最佳模型时，我们会选择它。例如，我们选择Bart Large MNLI进行分类，Distilbert进行情感分析，GPT-J进行意图检测，等等。

更重要的是：像GPT-J这样最先进的人工智能模型在抱团取暖的API上是没有的，也不能在他们的AutoTrain平台上进行微调，而你可以在NLP Cloud上轻松使用和微调这些大型语言模型。

支持

只有当你选择他们的实验室或企业计划时，抱抱团才会提供支持。

NLP Cloud完全不同：我们为任何客户提供最好的支持，无论是免费客户、小型付费客户，还是企业客户。 我们相信，当涉及到人工智能和自然语言处理时，良好的支持是至关重要的，因为客户可能有大量有趣的技术或商业问题。

速度和可靠性

在我们的基准测试中，我们注意到，无论是在CPU还是GPU上，我们测试的所有模型在NLP Cloud API上的延迟都比较低。

速度对于这样的机器学习API来说至关重要，NLP Cloud的响应速度更快，这一点可以带来很大的不同，这取决于你的业务要求。

就微调而言，我们暂时无法进行适当的比较，因为我们在抱团取暖平台上启动的大部分微调都失败了，没有明确的错误信息。

总结

用户经常将NLP Cloud与Hugging Face API和AutoTrain平台进行比较。

我们确实认为，无论是从定价的角度还是从性能的角度来看，NLP Cloud API都更有意义。

我们也非常自豪地向所有客户无差别地提供高质量的支持。

你想试一试吗？ 在这里测试NLP Cloud!

Julien Salinas
NLP Cloud的首席技术官