Wafer

Wafer 是什麼？

Wafer是一個企業推理平台，透過無伺服器和專用端點提供對世界上最快的開源大語言模型的存取。與傳統的按令牌定價模式不同，Wafer使用自主性能工程師最佳化GPU內核以進行AI推理，速度比競爭提供商快1.5-3倍。該平台提供三個核心模型：用於編碼和推理的GLM-5.1、具有262K上下文視窗的Kimi-K2.6，以及作為旗艦混合專家模型的Qwen 3.5 397B-A17B。Wafer Pass提供從每週10美元起的固定費率API訂閱存取，與Claude Code、Cline、Kilo Code和其他Agent框架無縫整合。

主要功能

• 最快的開源大語言模型

  透過自主性能工程師最佳化的無伺服器推理，為Qwen 3.5 397B-A17B等頂級開源模型提供支援，在基準測試中速度比競爭對手快25%。

• 按量付費定價

  透明的按令牌定價，包括輸入、輸出和快取費率（快取通常便宜10倍），對重複的提示前綴自動命中快取，無需任何設定。

• 專用端點

  關鍵任務AI工作負載從共享推理池中獲得隔離流量，零資料保留，SLA支援的正常運作時間，以及24小時內的自訂調優部署。

• OpenAI相容API

  無伺服器端點遵循OpenAI Chat Completions架構，因此OpenAI SDK、LangChain、LiteLLM、Claude Code和Cline等現有用戶端只需交換基礎URL和API金鑰即可運作。

• 三個核心模型

  GLM-5.1（強大的編碼/推理）、Kimi-K2.6（稀疏MoE，262K上下文）和Qwen 3.5 397B-A17B（397B總計/17B活躍MoE），更多模型即將推出。

使用案例

• Agent編程 : 開發者使用Wafer Pass與Claude Code、OpenClaw、Cline、Kilo Code、Roo Code、OpenHands或Conductor配合，以固定費率定價實現快速開發。
• 語音Agent和副駕駛 : 低延遲回應，專為語音Agent、智慧副駕駛和需要即時效能的互動式AI產品量身訂製。
• 企業生產工作負載 : 專用端點為生產系統提供可預測的正常運作時間和穩定的效能，滿足合規性要求的工作負載需要零資料保留。
• 批量編碼Agent : 為編碼Agent、批量工作負載和並行生成提供高吞吐量擴充，無瓶頸。
• 文件密集型RAG : 快取節省在長系統提示、多輪對話和文件密集型RAG中最大，其中大部分提示在請求間重複。

常見問題