Snowflake voegt automatische modelkeuze toe aan AI-platform

Naarmate bedrijven meer AI-applicaties en autonome agents in productie nemen, lopen de kosten snel op wanneer voor iedere taak standaard zware, kostbare modellen worden ingezet. Bovendien brengt het handmatig selecteren en beheren van uiteenlopende AI-modellen een forse operationele druk met zich mee voor ontwikkelingsteams.

Automatische modelselectie op basis van complexiteit

Dynamic model routing binnen de Cortex AI Gateway lost dit probleem op door automatisch de optimale balans te kiezen tussen kwaliteit, snelheid en kosten voor elke afzonderlijke taak. Eenvoudige of repetitieve verzoeken worden automatisch doorgestuurd naar efficiëntere, goedkopere modellen, terwijl alleen voor complexe vraagstukken kostbare frontier-modellen worden ingeschakeld.

De functionaliteit is eveneens geïntegreerd in Snowflake-producten zoals Snowflake CoCo en Snowflake CoWork, en staat open voor AI-agents van derden. Volgens interne tests van Snowflake kan het geautomatiseerd combineren van modellen de efficiëntie in tokengebruik bij specifieke data-engineeringtaken tot wel een factor drie verhogen, zonder in te boeten op de kwaliteit van de uitkomst.

Toegang tot nieuwe open modellen

Naast de slimme routering breidt Snowflake de toegang tot toonaangevende open modellen uit binnen Snowflake Cortex AI. Onder meer DeepSeek-V4-Flash en GLM-5.3 worden toegevoegd aan het portfolio, dat al modellen bevat van onder andere Anthropic, OpenAI, Google, Meta en Mistral. Zo krijgen organisaties meer keuzevrijheid om prestaties en kosten tegen elkaar af te wegen, terwijl de data veilig binnen de vertrouwde Snowflake-omgeving blijft.

Het platform is zo ingericht dat nieuwe modelreleases direct kunnen worden gebruikt zonder dat ontwikkelaars hun applicaties of infrastructuur opnieuw hoeven te bouwen.

Meer grip op enterprise AI-kosten

Ondernemingen krijgen daarnaast uitgebreidere beheermogelijkheden om hun AI-consumptie te monitoren en te sturen. Beheerders kunnen via Cortex AI Gateway het tokengebruik inzien, bestedingslimieten en quota per team instellen en kosten toewijzen aan specifieke afdelingen of projecten.

"Enterprise-organisaties kijken steeds kritischer naar het rendement van AI. De vraag is niet langer hoeveel AI ze gebruiken, maar of die AI daadwerkelijk leidt tot betekenisvolle bedrijfswaarde," licht Sridhar Ramaswamy, CEO van Snowflake, toe. "De rol van Snowflake is om die complexiteit weg te nemen, zodat klanten zich kunnen richten op resultaten terwijl wij op de achtergrond de modelkeuze optimaliseren."

Volgens marktanalist Sanjeev Mohan (SanjMo) neemt Snowflake hiermee een belangrijke drempel weg voor het opschalen van enterprise AI: "De mogelijkheid om de complexiteit van een workload af te stemmen op de kosten van een model, zonder de infrastructuur telkens opnieuw te bouwen, is precies de efficiëntie die ondernemingen nodig hebben."