NVIDIA Vera CPU 성능 주장, 속도 대 확장성의 트레이드오프 겨냥
NVIDIA는 더 빠른 AI 에이전트와 더 높은 서버 집적도 사이의 트레이드오프에 도전하며, Vera가 하나의 프로세서 안에서 두 가지 장점을 모두 제공한다고 주장한다. 11월 5일 업데이트는 NVIDIA Vera CPU 성능을 실질적인 인프라 질문의 중심에 놓는다. 성능 저하 없이 얼마나 많은 에이전트를 실행할 수 있는가?
회사는 가장 빠른 x86 프로세서와의 비교에서 와트당 1.6배 더 많은 에이전트를 지원한다고 말한다. 가장 에너지 효율적인 x86 프로세서와 비교하면 에이전트 속도가 두 배라고 주장한다. 이는 모든 경쟁 서버 구성에 걸쳐 독립적으로 확립된 순위가 아니라 NVIDIA의 자체 결과다.
핵심 경쟁은 반응성이 높은 에이전트와 고밀도 인프라 사이에서 벌어진다. AMD EPYC와 Intel Xeon은 경쟁 기준점이지만, 프로세서 이름만으로는 문제를 설명하기 어렵다. 서버는 단독 작업을 빠르게 끝낼 수 있어도, 인접한 에이전트가 코드 컴파일, 파일 검색 또는 도구 실행을 시작하면 어려움을 겪을 수 있다. Vera의 제안은 바로 그런 혼잡한 운영 환경을 겨냥한다.
NVIDIA Vera CPU 성능 주장은 속도와 용량을 결합한다
NVIDIA는 인프라 구매자가 반응성과 용량을 별개의 구매 결정으로 다루지 말고 함께 평가해야 한다고 제안한다.
회사의 에이전트 성능 비교는 100메가와트 데이터센터 시나리오를 설명한다. Vera를 서로 다른 x86 성능 및 효율성 기준과 비교해 배치한다. 전력 예산은 운영자가 계속 가동할 수 있는 장비를 제한하기 때문에 이러한 틀은 중요하다.
다만 이 비교를 완전히 구축된 시설에서 측정한 결과로 읽어서는 안 된다. 이 게시물은 NVIDIA의 비교와 결론을 제시한다. 시설 수준 결과의 모든 가정을 재현하기에 충분한 세부 사항을 글 자체에서 제공하지는 않는다.
기본적인 구분은 명확하다. 지연 시간은 작업을 완료하는 데 필요한 시간이다. 처리량은 시간에 따라 완료되는 작업의 양이다. 서비스 운영자는 지연 시간을 허용 가능한 범위에 유지하면서 수요를 처리할 충분한 처리량이 필요하다.
이 목표들은 서로 영향을 준다. 서버에 추가 작업을 밀어 넣으면 공유 자원이 혼잡해질 때까지 출력이 증가할 수 있다. 그 지점을 넘어서면 각 에이전트는 대기하는 데 더 많은 시간을 쓴다. 운영자는 더 느린 서비스를 감수하거나 추가 용량을 남겨 두는 선택에 직면한다.
NVIDIA의 주장은 Vera가 이 운영 지점을 개선한다는 것이다. 회사는 공급자가 더 많은 에이전트를 지원하면서도 각 에이전트에 필요한 실행 속도를 유지하기를 바란다. 이는 프로세서가 벤치마크에서 좋은 점수를 낸다는 말보다 더 구체적인 주장이다.
이 주장은 “가장 빠르다”의 의미도 바꾼다. 에이전트는 프로세서 성능을 하나의 숫자로 경험하지 않는다. 그 경험은 앞에 놓인 작업, 이용 가능한 자원, 인접 작업의 동작에 따라 달라진다.
따라서 구매자에게 필요한 비교에는 서비스 조건이 포함되어야 한다. 서버가 예상되는 프로덕션 부하를 처리하는 동안 작업은 얼마나 빠르게 완료되는가? 이 조건이 없는 결과는 NVIDIA가 해결한다고 말하는 바로 그 트레이드오프를 감출 수 있다.
11월 업데이트는 이 주장을 간결한 상업적 메시지로 제시한다. 모든 워크로드가 똑같이 이점을 얻는다는 점을 입증하지는 않는다. 대신 구매자가 수요 증가에 따라 기존 인프라의 반응성이 떨어지는지 살펴볼 이유를 제공한다.
이 구분은 인프라 발전과 보편적인 성능 판정을 분리한다. Vera는 유용한 실행 속도가 혼잡한 상황에서도 유지되어야 하는 워크로드를 두고 경쟁한다. 이 우위를 입증하려면 주장의 두 측면을 모두 보존하는 측정이 필요하다.
워크로드가 충돌하는 곳에서 압박을 받는 에이전트 플랫폼
즉각적인 압박은 예측하기 어려운 워크로드에 서버 용량을 공유하면서도 반응성 높은 에이전트를 약속하는 공급자에게 가해진다.
AI 에이전트는 모델을 사용해 행동을 선택하고 수행하는 소프트웨어로, 판단과 실행 사이를 반복해서 오간다. 이 단계들에서 프로세서 요구 사항은 달라진다. 답변을 생성하는 일과 소프트웨어 테스트를 실행하는 일은 서로 다른 작업이다.
병렬 연산에 적합한 프로세서인 GPU는 일반적으로 모델의 응답을 생성하는 계산인 모델 추론을 처리한다. 범용 프로세서인 CPU는 주변 실행 작업의 상당 부분을 처리한다. 어느 한 구성 요소의 벤치마크만으로는 전체 서비스를 설명할 수 없다.
실패한 애플리케이션을 수정하라는 요청을 받은 코딩 어시스턴트를 생각해 보자. 이 어시스턴트는 파일을 검사하고, 변경을 제안하고, 테스트를 실행하며, 결과를 확인한다. 일부 단계는 이전 출력에 의존한다. 관련 없는 작업을 가속해도 이러한 의존성을 없앨 수는 없다.
이제 다른 일을 하는 세션들 옆에 이 어시스턴트를 배치해 보자. 이들의 수요는 함께 증가하거나 감소하지 않는다. 에이전트가 의존성을 설치하고, 저장소를 검사하거나, 생성된 코드를 검증할 때 조용하던 환경은 갑자기 바빠질 수 있다.
NVIDIA의 에이전트 플릿 분석은 순차적 작업과 짧은 병렬 작업 급증이 섞이는 이러한 환경을 설명한다. 이 기술적 주장은 프로세서를 코어 수만으로 선택하기보다 부하 상태에서 지속되는 실행 속도를 선호한다.
이 주장은 사용 가능한 머신에 작업을 할당하는 소프트웨어인 클라우드 스케줄러에 압박을 가한다. 스케줄링 결정은 에이전트가 즉시 자원을 받는지, 경쟁 작업 뒤에서 대기하는지를 좌우한다. 더 나은 하드웨어는 이러한 제약을 바꾸지만, 용량이 사용자에게 도달하는 방식은 여전히 스케줄링이 결정한다.
공급자는 어느 정도의 여유 용량을 유지할지도 결정해야 한다. 넉넉한 예비 용량은 예상치 못한 수요를 흡수하지만, 한가한 기간에는 장비 가동률을 낮춘다. 공격적인 집적은 활용률을 높이는 대신 공유 자원 경쟁에 대한 노출을 키운다.
그 결과 나타나는 사업적 긴장은 구체적이다. 공급자는 고객이 인접 워크로드의 모든 변동을 체감하게 하지 않으면서 장비가 생산성을 유지하기를 원한다. Vera의 제안은 이 긴장을 직접 겨냥한다.
에이전트 서비스를 평가하는 엔터프라이즈 구매자도 관련된 문제에 직면한다. 유휴 상태의 머신에서 시연하면 반응성이 좋아 보일 수 있지만, 바쁜 업무일 동안의 동작은 거의 드러나지 않는다. 평균 완료 시간 역시 유난히 느린 세션을 숨길 수 있다.
이는 단순히 텍스트를 요청하는 것이 아니라 작업을 위임하는 사람들에게 중요하다. 지연된 테스트 결과는 에이전트의 다음 판단을 지연시킬 수 있다. 검색 단계가 멈추면 모델을 계속 사용할 수 있어도 전체 작업이 대기 상태에 놓일 수 있다.
따라서 지식 노동자에게 더 나은 실행 인프라는 완료된 작업을 기준으로 평가해야 한다. 더 빠른 하드웨어가 더 나은 추론, 더 신뢰할 수 있는 인용 또는 더 강력한 권한 관리를 보장하지는 않는다. 이는 작업 수행에 사용할 수 있는 시간과 용량을 다룬다.
AI 지식 베이스와의 연결도 마찬가지로 실용적이다. 관련 자료를 검색하고 답변을 생성하는 일은 같은 워크플로에 속하지만 병목 지점은 다르다. 한 단계를 개선할 때 전체 경험이 비례해서 개선된다고 가정하지 않고 주목할 필요가 있다.
Vera의 아키텍처는 부하 상태에서의 진행을 겨냥한다
Vera의 기술적 제안은 많은 작업이 프로세서를 공유하는 동안 활성 실행 경로가 계속 진행되도록 하는 데 초점을 둔다.
NVIDIA의 Olympus 코어 아키텍처는 88개의 맞춤형 Arm 호환 코어와 176개의 하드웨어 스레드를 설명한다. Arm 호환성은 컴파일된 소프트웨어가 사용하는 명령어인 프로세서의 명령어 아키텍처를 뜻한다.
이 숫자는 실행 자원을 설명하지만 성능을 결정하지는 않는다. 코어의 유용성은 명령어를 얼마나 효율적으로 처리하고 데이터에 접근하는지에 달려 있다. 공유 메모리와 내부 통신 역시 프로세서 전체가 바빠졌을 때의 동작에 영향을 준다.
NVIDIA는 더 넓은 명령어 처리, 프로그램 분기를 예측하는 방법, 의존 작업의 지연을 줄이는 메커니즘을 설명한다. 하드웨어 스레드 간 자원 분할도 설명한다. 회사가 밝힌 목표는 인접한 실행 경로가 경쟁할 때도 더 예측 가능한 진행을 제공하는 것이다.
회사는 초당 최대 1.2테라바이트의 메모리 대역폭을 명시한다. 메모리 대역폭은 시간에 따라 메모리와 프로세서 사이에서 이동할 수 있는 데이터 양을 측정한다. 이는 시스템이 보유하는 데이터 양을 나타내는 메모리 용량과는 다르다.
이 차이는 혼잡한 에이전트 환경에서 중요하다. 머신은 워크로드를 담을 충분한 메모리를 갖추고도 데이터를 충분히 빠르게 공급하는 데 어려움을 겪을 수 있다. 용량을 추가한다고 해서 이러한 트래픽 문제가 자동으로 해결되는 것은 아니다.
아키텍처적 근거는 그럴듯하지만, 사양만으로 어떤 기능이 벤치마크 우위를 만들었는지는 알 수 없다. 여러 메커니즘이 같은 작업에 영향을 줄 수 있다. 더 강한 결과는 실행 자원, 메모리 동작, 소프트웨어 구성 또는 이들 간 상호작용을 반영할 수 있다.
따라서 구매자는 표면에 드러난 사양 하나에 전체 우위를 돌리지 않아야 한다. 아키텍처는 설계가 무엇을 개선하려 하는지 설명한다. 통제된 테스트는 그러한 의도가 특정 워크로드에 유용한 이득으로 이어지는지를 입증한다.
속도 대 확장성 경쟁은 워크로드 형태에도 달려 있다. 일부 작업은 명령어 실행에 상당한 시간을 쓴다. 다른 작업은 스토리지, 원격 서비스 또는 외부 응답을 기다린다. 프로세서 개선은 다른 곳에서 발생하는 지연을 없앨 수 없다.
마찬가지로 병렬 작업은 작업들이 독립적으로 진행할 수 있을 때만 도움이 된다. 에이전트는 코드 변경을 수행하기 전에 이를 검증할 수 없다. 추가 실행 자원은 워크플로가 수행할 작업을 제공할 때 유용해진다.
이 때문에 NVIDIA Vera CPU 성능은 여러 작업이 겹치는 기간 동안 진행되는 조건인 현실적인 동시성 환경에서 평가할 가치가 있다. 단독 속도와 혼잡한 환경의 동작은 서로 다른 질문에 답한다.
같은 논리는 프로세서 아키텍처에 관한 더 광범위한 주장도 제한한다. Arm 호환성이 더 나은 에이전트 성능을 보장하지 않듯, x86 호환성이 불리함을 입증하지도 않는다. 관련 제품은 아키텍처, 구현, 메모리, 소프트웨어 및 운영 조건의 결합이다.
Vera의 설계는 NVIDIA의 포지셔닝에 기술적 근거를 제공한다. 구매 근거는 여전히 애플리케이션이 프로덕션 의존성, 안전 제어 및 자원 제한을 활성화한 상태에서도 성능 우위를 유지하는지에 달려 있다.
서버가 바빠질 때 Modal이 확인한 이점
Modal의 설명은 부하 상태 동작의 중요성을 뒷받침하지만, 에이전트 플랫폼 전반에 적용되는 보편적 결과를 확립하는 데까지는 이르지 않는다.
Modal은 10월 19일 샌드박스 처리량 벤치마크에서 동등한 x86 Granite Rapids 머신과 비교해 Vera에서 최대 두 배의 작업 처리량을 보고했다. 샌드박스는 소프트웨어가 통제된 접근 권한으로 실행될 수 있는 격리 환경이다.
Modal의 테스트는 50개의 Terminal-Bench 참조 솔루션과 검증 루틴을 사용했다. Terminal-Bench는 터미널을 통해 작동하는 에이전트를 위한 작업 모음이다. Modal은 로컬 실행에 집중하기 위해 네트워크 호출을 제거하고 준비된 컨테이너를 사용했다.
이 공급자는 한가한 테스트와 바쁜 테스트 사이의 드러나는 차이를 설명했다. 부하가 없는 머신에서는 Vera의 개별 작업 이점이 균일하지 않았다. 동시 부하 상태에서는 Modal이 더 강한 처리량 우위를 보고했다.
그 관찰은 NVIDIA의 핵심 주장과 직접 맞닿아 있다. 프로세서의 가치는 단일 작업을 얼마나 압도적으로 이기느냐보다 경합을 얼마나 잘 견뎌내느냐에서 나올 수 있다. 공유 서비스에서는 이 차이가 실제로 활용 가능한 용량에 영향을 준다.
Modal은 Arm 지원에 인프라 및 이미지 빌드 변경이 필요하다는 점도 인정했다. 이 단서는 성능 결과와 함께 고려해야 한다. 기대되는 개선 효과는 이를 제공하기 위해 필요한 엔지니어링 작업을 정당화해야 한다.
Modal의 설명은 모든 프로세서 선택지를 중립적으로 조사한 결과가 아니라 긍정적인 고객 관점이다. 이 테스트는 의도적으로 워크로드 범위를 좁혔다. 네트워크 호출을 제거하면 로컬 동작을 분리해 볼 수 있지만, 실제 에이전트가 겪는 지연도 함께 제외된다.
사전 준비된 컨테이너는 또 다른 경계를 만든다. 컨테이너는 애플리케이션과 실행에 필요한 종속성을 묶는다. 이미 준비된 테스트 환경은 낯선 소프트웨어를 가져와 시작하는 전체 과정을 측정하는 것과는 다른 질문에 답한다.
어느 선택도 결과를 무효화하지는 않는다. 두 선택 모두 결과의 범위를 규정한다. 유용한 벤치마크는 특정 동작이 드러나도록 변동 요인을 제거하고, 측정에서 무엇이 사라졌는지도 설명한다.
Modal의 발견은 활성 환경을 얼마나 촘촘히 배치할지 결정하는 플랫폼 팀에 특히 중요하다. 호스트가 추가 수요에도 응답성을 유지하면 공급자는 작업을 스케줄링할 여유를 확보한다. 이 이점은 실제 워크로드 구성 전반에서 허용 가능한 동작을 유지하는 데 달려 있다.
이 발견이 모든 고객 작업이 두 배 빠르게 끝난다는 약속으로 확대되어서는 안 된다. 총 처리량과 개별 완료 시간은 여전히 다른 척도다. 개선 효과는 컴파일, 파일 작업, 인터프리팅 및 기타 활동에 따라 달라질 수도 있다.
에이전트를 배포하는 기업은 이 설명을 대표성 있는 시험을 요청할 이유로 삼아야 한다. 기존 작업 추적 기록은 서비스가 벤치마크와 유사한지 보여줄 수 있다. 가장 강력한 증거는 애플리케이션의 일반적인 종속성과 운영 제약을 보존할 것이다.
Modal의 보고서는 논의를 프로세서 공급업체의 주장 너머로 확장한다. 혼잡한 상황의 동작이 왜 중요한지에 대한 고객의 설명을 제공한다. 또한 인프라 구매 결정이 실제로 이루어지는 지점에서 마이그레이션 노력도 이야기의 일부로 다룬다.
검증은 코어당 이점과 전체 플릿 효율을 구분한다
현재 이용 가능한 검증은 에이전트 속도와 에너지 효율 전반에서의 광범위한 선도 주장보다 더 제한적인 실행상 이점을 뒷받침한다.
Signal65의 9월 에이전트형 CPU 검증은 AMD의 EPYC 9755와 비교한 69개의 대응 작업에서 코어당 1.64배의 우위를 보고했다. 각 물리 코어는 샌드박스 하나를 실행해 두 프로세서 모두에 부하를 가했다.
공개 내용은 결과만큼이나 중요하다. NVIDIA는 자사 연구실에서 쌍으로 된 측정치를 생성했다. Signal65는 방법론과 작업 데이터를 검토하고 Vera 시스템에 접근했으며, 자체적으로 이 스위트를 실행했다.
Signal65는 이 연구가 모델 추론을 제외했으며 전체 서버 처리량이나 전력을 측정하지 않았다고 명시했다. 또한 Vera는 88개, EPYC 프로세서는 128개라는 서로 다른 코어 수를 언급했다.
이러한 경계는 코어당 실행 결과를 시설 효율로 곧바로 연결하는 것을 막는다. 코어당 결과는 지정된 조건에서 개별 처리 자원에 할당된 작업을 설명한다. 전체 서버 출력은 자원 수와 소프트웨어가 이를 얼마나 효과적으로 활용하는지에도 좌우된다.
에너지 효율에는 또 다른 측정이 필요하다. 와트당 유용한 작업에 관한 주장은 집계되는 작업과 일치하는 전력 데이터가 필요하다. 프로세서 사양만으로는 관련 시스템 전반에서 측정된 소비 전력을 대체할 수 없다.
따라서 이 연구는 NVIDIA의 최신 구성을 모두 검증하지는 않으면서도 의미 있는 보조 증거를 제공한다. 부하가 걸린 CPU 실행에 대한 근거를 강화한다. 완전한 시스템, 전력 예산, 프로세서 제품군 전반의 더 넓은 비교는 미해결로 남긴다.
AMD는 자체 에이전트형 워크로드 분석을 통해 경쟁 관점을 제시한다. 이 테스트는 에이전트 인프라를 검색, 엔터프라이즈 도구, 컨텍스트 준비 등을 포함한 단계로 구성한다. AMD는 전체 시스템 평가가 필요하다고 주장한다.
이는 실질적인 방법론 차이다. 터미널 작업 스위트는 환경 내부의 소프트웨어 실행을 강조한다. 파이프라인 중심 스위트는 더 광범위한 서비스 동작을 포함한다. 서로 다른 작업을 측정하므로 그 요약 결과가 같은 순위를 내놓을 필요는 없다.
공급업체가 개발한 비교 역시 일관된 검토가 필요하다. 구매자는 선택된 프로세서, 소프트웨어 버전, 구성 세부 사항, 집계 방식을 살펴봐야 한다. 유리한 평균은 다르게 동작하는 워크로드를 감출 수 있다.
“가장 빠른” 또는 “가장 효율적인”이라는 주장을 사용할 때는 검증 공백이 특히 중요하다. 이러한 표현에는 정의된 비교 대상 집합이 필요하다. 프로세서는 선택된 테스트에서는 선두일 수 있지만, 모든 워크로드나 상업적으로 중요한 모든 구성에서 선두라는 뜻은 아니다.
마이그레이션은 별도의 불확실성을 더한다. 특정 프로세서 아키텍처에 의존하는 소프트웨어에는 호환 가능한 빌드와 종속성이 필요하다. 포팅을 행정적 세부 사항으로 취급하지 말고 평가에 포함해야 한다.
보안과 격리도 비교에 포함되어야 한다. 벤치마크를 개선하기 위해 제어 장치를 제거하면 평가 대상 제품 자체가 달라진다. 생성된 코드를 실행하는 에이전트 시스템에서는 운영 제약이 워크로드의 일부다.
공정한 해석은 기각도 무조건적인 수용도 아니다. NVIDIA Vera CPU 성능은 특정 부하 실행 테스트에서 뒷받침되는 증거를 보유한다. 더 넓은 플릿 효율 주장은 전체 서비스와 전력 소비를 보존하는 측정이 필요하다.
재현성, 배포 및 경쟁 재시험을 주시해야 한다
다음으로 유용한 증거는 프로세서 수준의 결과를 반복 가능한 운영 성과와 연결해야 한다.
첫 번째로 주시할 신호는 성공적인 작업 완료와 함께 전력을 측정하는 재현 가능한 완전 시스템 테스트다. Vera가 비교 가능한 서비스 조건에서 우위를 유지한다면 NVIDIA의 효율성 주장은 강화될 것이다. 시스템 오버헤드를 포함한 뒤 우위가 사라진다면 그 주장의 범위는 좁아질 것이다.
측정은 시도한 작업과 승인된 작업을 구분해야 한다. 빠르게 응답하지만 검증에 실패하는 에이전트는 같은 결과를 제공한 것이 아니다. 품질을 확인하지 않고 완료 작업을 집계하면, 실패한 시도를 더 빠르게 처리할 뿐인 인프라에 보상을 줄 수 있다.
완료 시간 분포의 느린 끝인 테일 레이턴시도 주목할 만하다. 공유 서비스는 일부 사용자를 훨씬 오래 기다리게 하면서도 허용 가능한 평균을 낼 수 있다. 가장 느린 세션이 관리 가능한 수준을 유지할 때 처리량 우위의 가치는 더 커진다.
두 번째 신호는 평가를 넘어선 고객의 운영 배포 세부 사항이다. 유용한 공개 자료는 워크로드 선택, 호환성 변경, 스케줄링 동작, 서비스 성능을 설명할 것이다. 지속적인 개선의 증거는 벤치마크 우위가 일반적인 운영에서도 유지된다는 주장을 강화한다.
배포 발표만으로는 정보가 제한적이다. 고객은 기존 플릿을 교체하지 않고도 선택된 워크로드에 프로세서를 도입할 수 있다. 의미 있는 질문은 어떤 작업이 옮겨지는지, 왜 옮겨지는지, 그리고 어떤 측정 가능한 결과가 개선되는지다.
그 전환 과정에서 호환성은 특히 주목할 만하다. 공급자는 애플리케이션 이미지, 종속성, 모니터링, 복구 절차를 지원해야 한다. 이러한 변경에 상당한 엔지니어링 노력이 든다면 구매자는 전체 수명 주기 전반의 도입 근거를 이해해야 한다.
세 번째 신호는 공통 방법론에 따른 경쟁 재시험이다. 관련 AMD, Intel 및 Arm 기반 대안을 포함한 비교는 Vera의 우위가 지속적인 설계 강점인지, 아니면 특정 구성의 결과인지를 분명히 해줄 것이다. 동등한 워크로드는 상충하는 공급업체 서사를 더 쉽게 평가하게 한다.
경쟁 테스트는 동일한 성공 기준과 서비스 제약을 보존해야 한다. 그렇지 않으면 헤드라인 비율은 실제로 서로 다른 제품을 설명할 수 있다. 터미널 워크로드에 최적화된 장비가 검색 비중이 큰 엔터프라이즈 애플리케이션 전반에서 자동으로 같은 선두를 주장할 수는 없다.
앞으로 몇 달 동안 이러한 신호는 또 하나의 고립된 사양보다 더 중요할 것이다. 재현 가능한 측정은 범위를 확립한다. 고객 공개 자료는 운영상 유용성을 확립한다. 경쟁 재시험은 대안이 동등한 주목을 받을 때도 그 우위가 설득력을 유지하는지 확립한다.
그 의미는 서버 조달을 넘어선다. 에이전트 개발자는 인프라를 선택하기 전에 작업 시간이 어디에 쓰이는지 이해해야 한다. 엔터프라이즈 구매자는 공유 수요 상황에서도 응답성이 유지된다는 증거가 필요하다. 사용자는 더 빠른 중간 활동보다 완료되고 신뢰할 수 있는 작업을 필요로 한다.
NVIDIA Vera CPU 성능은 조직이 실제로 완료해야 하는 워크로드를 기준으로 평가하라. 공급자에게 현실적인 동시성, 검증된 출력, 시스템 전력, 그리고 필요한 운영 제어 장치를 포함하도록 요청하라. 모델 응답 시간을 도구 실행과 분리한 뒤, 완전한 세션 동안 이들이 어떻게 결합하는지 살펴보라. 특히 기존 애플리케이션이 x86 소프트웨어에 의존한다면 호환성 작업을 의사결정에 포함하라. 헤드라인 비율을 반복하기보다 지속적인 동작을 보여주는 다음 고객 공개 자료를 주시하라. Vera의 기회는 구체적이다. 공유 인프라가 더 바빠져도 유용한 속도를 유지하는 것이다. 서비스가 반드시 운영되어야 하는 조건에서, 어느 공급업체가 귀사의 에이전트를 위해 그 결과를 문서화할 수 있는가?
