AWS表示,当客户想要将大量数据移出AWS云时,将不再向客户收取所谓的“出口费”,这意味着客户现在可以迁移到另一个平台而无需支付这项费用。
AWS在近日的一篇博客文章中表示,这项服务是针对那些想要将大量数据永久性移出AWS的用户。
亚马逊这样做似乎并不是出于慷慨,而是为了响应将于今年晚些时候在欧盟生效的新监管要求。今年一月份《欧洲数据法案》公布,该法案旨在让客户更容易地从一个云基础设施提供商转向另一个云基础设施提供商,从而促进公平竞争。尽管如此,AWS表示,优惠方案也适用于采用多云方法的客户,以及那些希望将数据带回内部的客户。
尽管AWS已经允许客户免费从AWS的云平台传输高达100 GB的数据,但这对于那些最大型的客户来说还远远不够。AWS收取的出口费用相当可观,这意味着大型组织实际上是被束缚在AWS云中了。
AWS在博客文章中表示,客户在放弃AWS云并将数据迁移到替代平台之前,需要先联系支持人员。一旦客户获得批准,将获得足够数量的“数据转出”积分以完成计划中的迁移。这些DTO积分的有效期为60天,在此期间客户预计将完成整个迁移过程。
对于那些想要更详细说明的客户,AWS提供了一个常见问题解答页面来详细说明这个过程。
《欧洲数据法案》预计将于2025年9月生效,其中包含有关如何管理、共享和访问客户数据的多项规定,其中一项措施旨在保护欧盟公司免受“不公平合同条款”的影响,而另一项规定则要求允许企业在云提供商之间进行切换而不会产生任何额外的成本,这实质上是为了防止云基础设施提供商之间所谓的厂商锁定而设计的。
AWS此举是在Google Cloud发布了类似声明之后做出的。今年1月,Google Cloud表示,将对那些想要离开该平台的客户免除出口费用。与AWS一样,Google Cloud要求客户在实施他们的计划之前先获得批准。两家厂商之间在政策上的主要区别在于,Google Cloud似乎坚持要求客户完全关闭其帐户才能获得出口积分,而AWS则不然。
Google Cloud可能已经意识到他们是有动力首先取消出口费用的。作为三大云基础设施提供商中规模最小的厂商,Google Cloud一直在寻找能够说服AWS和微软Azure客户的优势。由于AWS此举的推出,Google Cloud失去了这一微小的优势。
AWS确实向用户发出过警告,将仔细审查任何出口豁免请求,以确保没有人仅仅为了避免大规模数据传输收取的费用而滥用这项服务。
AWS开发人员Sébastien Stormacq在博客文章中表示:“我们相信客户的选择,包括选择将数据移出AWS。豁免数据传输到互联网的费用也遵循欧洲数据法案规定的方向,并且适用于全球任何AWS区域的所有AWS客户。”
值得注意的是,第二大云基础设施提供商微软尚未就出口费用发布任何类似的公告,因此很可能仍在向客户收取数据迁移费用。然而,AWS今天的这一举动可能会迫使微软最终效仿。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。