---
title: "سرور لیس انفرنس کیا ہے؟ استعمال کے مطابق ماڈل ہوسٹنگ"
description: "سرور لیس انفرنس ماڈل کو ایسے اینڈ پوائنٹ کے پیچھے چلاتا ہے جو ٹریفک کے ساتھ اسکیل ہوتا ہے، صفر تک بھی، اور صرف استعمال کا بل لیتا ہے۔ کولڈ اسٹارٹ، قیمت اور موازنہ۔"
url: https://broadrouter.com/ur/glossary/serverless-inference/
lang: ur
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/glossary/serverless-inference/) (اپ ڈیٹ: 2026-11-16).

# سرور لیس انفرنس (serverless inference)

اپ ڈیٹ 2026-11-16

سرور لیس انفرنس مشین لرننگ ماڈل چلانے کا ایسا طریقہ ہے جس میں پلیٹ فارم اینڈ پوائنٹ کے پیچھے کمپیوٹ خود بخود شروع، اسکیل اور بند کرتا ہے، اکثر فارغ ہونے پر صفر تک، اور مخصوص مشینوں کے بجائے استعمال کا بل لیتا ہے۔ اس کی قیمت ممکنہ کولڈ اسٹارٹ تاخیر ہے۔

دوسرے نام: سرور لیس انفرنس، سرور لیس LLM، صفر تک اسکیل، serverless inference kya hai، serverless LLM، serverless model endpoint، scale to zero، serverless GPU inference

سرور لیس کا مطلب یہ نہیں کہ سرور نہیں ہیں۔ مطلب یہ ہے کہ آپ انہیں کبھی نہیں دیکھتے، اور درخواستیں بھیجنا بند کرتے ہی ادائیگی بھی بند ہو جاتی ہے۔

## یہ کیسے کام کرتا ہے

AWS کی SageMaker گائیڈ اس کا ایک واضح حوالہ جاتی نمونہ دیتی ہے۔ سرور لیس اینڈ پوائنٹس “automatically launch compute resources and scale them in and out depending on traffic” (ترجمہ: ٹریفک کے مطابق کمپیوٹ وسائل خود بخود شروع کرتے اور انہیں گھٹاتے بڑھاتے ہیں)، اور جب کوئی درخواست نہ ہو تو سروس “scales your endpoint down to 0” (ترجمہ: آپ کے اینڈ پوائنٹ کو 0 تک گھٹا دیتی ہے)۔ آپ انسٹینس کے بجائے استعمال کے مطابق ادائیگی کرتے ہیں۔

صفر تک اسکیل ہونے کی قیمت **کولڈ اسٹارٹ** ہے۔ اگر اینڈ پوائنٹ فارغ پڑا رہا ہو اور درخواست آئے تو “it can take some time for your endpoint to spin up the compute resources” (ترجمہ: آپ کے اینڈ پوائنٹ کو کمپیوٹ وسائل شروع کرنے میں کچھ وقت لگ سکتا ہے)۔ لارج لینگویج ماڈلز میں دسیوں گیگا بائٹ ویٹس لوڈ کرنے سے یہ تاخیر بڑھ جاتی ہے۔ عام حل کچھ گنجائش کو پیسے دے کر گرم رکھنا ہے؛ AWS اسے provisioned concurrency کہتا ہے اور اس کا بل میموری، دورانیے اور concurrency کے حساب سے لیتا ہے۔

فیچرز ہر پلیٹ فارم پر مختلف ہیں۔ SageMaker Serverless Inference میں جو چیزیں شامل نہیں، AWS کی اپنی اس فہرست میں GPU بھی ہے، اس لیے LLM جتنی بڑی سرور لیس ہوسٹنگ عموماً دوسرے پلیٹ فارمز سے آتی ہے۔ Hugging Face اپنے Inference Providers کو کئی فراہم کنندگان پر ایک ہی ٹوکن سے “serverless inference of models” (ترجمہ: ماڈلز کا سرور لیس انفرنس) استعمال کرنے کا طریقہ بتاتا ہے۔

## یہ کیوں اہم ہے

|  | سرور لیس اینڈ پوائنٹ | کرائے کا GPU ([GPU گھنٹہ](https://broadrouter.com/ur/glossary/gpu-hour/)) | مشترکہ فی ٹوکن API |
| --- | --- | --- | --- |
| فارغ وقت میں ادائیگی | نہیں (جب تک گرم نہ رکھا جائے) | ہاں | نہیں |
| کولڈ اسٹارٹ | ممکن | نہیں، چلنے کے بعد | فہرست والے ماڈلز پر شاذ |
| آپ کا اپنا ماڈل | ہاں | ہاں | صرف جو فراہم کنندہ فہرست میں رکھے |
| اسکیلنگ کا کام | پلیٹ فارم | آپ | فراہم کنندہ |

سرور لیس اپنے ماڈل کے ساتھ اتار چڑھاؤ والے یا کم ٹریفک کے لیے موزوں ہے۔ مسلسل، بھاری لوڈ عموماً مخصوص ہارڈویئر پر سستا پڑتا ہے۔ کولڈ اسٹارٹ اوسط میں نہیں، لمبی [لیٹنسی](https://broadrouter.com/ur/glossary/latency/) ٹیل میں نظر آتے ہیں، اس لیے p95 دیکھیں۔

## BroadNet Inference پر

BroadNet اپنے API کو سرور لیس نہیں کہتا، اور اس کی دستاویزات کولڈ اسٹارٹ کے بارے میں کچھ نہیں کہتیں۔ عملاً اس کی [استعمال کے مطابق ادائیگی](https://broadrouter.com/ur/glossary/pay-as-you-go/) والی کلیدوں میں وہ سرور لیس خوبیاں ہیں جو کال کرنے والے کے لیے اہم ہیں: کوئی انسٹینس نہیں چننا، کچھ اسکیل نہیں کرنا، اور بلنگ فی ٹوکن یا فی آڈیو منٹ۔ حدیں مشین کے بجائے کلید پر ہیں: فی منٹ 30 درخواستیں اور بیک وقت 4 جاری درخواستیں۔ آپ صرف وہی ماڈلز کال کر سکتے ہیں جو BroadNet کی فہرست میں ہیں، جیسے [Qwen3.8 27B](https://broadrouter.com/ur/models/qwen3.8-27b/)؛ پرائیویٹ اینڈ پوائنٹس اور دوسرے ماڈلز درخواست پر ملتے ہیں۔ [curl سے پہلی درخواست](https://broadrouter.com/ur/guides/curl-quickstart/) آزمانے میں ایک منٹ لگتا ہے۔

## عام سوالات

### سرور لیس انفرنس میں کولڈ اسٹارٹ کیا ہے؟

وہ تاخیر جب صفر تک سکڑ چکے اینڈ پوائنٹ کو درخواست ملتی ہے اور اسے پہلے کمپیوٹ شروع کر کے ماڈل لوڈ کرنا پڑتا ہے۔ AWS کی SageMaker دستاویزات اس کی وضاحت کرتی ہیں اور فیس کے بدلے گنجائش گرم رکھنے کے لیے provisioned concurrency پیش کرتی ہیں۔

### کیا فی ٹوکن LLM API سرور لیس ہے؟

کال کرنے والے کی نظر سے، زیادہ تر ہاں۔ آپ درخواستیں بھیجتے ہیں، فی ٹوکن ادائیگی کرتے ہیں اور کوئی سرور نہیں سنبھالتے۔ فرق یہ ہے کہ مشترکہ API مقبول ماڈلز کو کئی گاہکوں کے لیے لوڈ رکھتا ہے، اس لیے عموماً آپ کو اپنے ماڈل کے شروع ہونے کا انتظار نہیں کرنا پڑتا۔

### کیا سرور لیس انفرنس مخصوص GPU سے سستا ہے؟

اتار چڑھاؤ والے یا کم ٹریفک کے لیے عموماً ہاں، کیونکہ فارغ وقت میں ادائیگی رک جاتی ہے۔ مسلسل بھاری لوڈ کے لیے مخصوص GPU اکثر فی درخواست سستا پڑتا ہے۔ اپنے ٹریفک پیٹرن کا دونوں قیمتوں سے موازنہ کریں۔

## یہ بھی دیکھیں

-   [انفرنس فراہم کنندہ (inference provider)](https://broadrouter.com/ur/glossary/inference-provider/) (اصطلاح)
-   [GPU گھنٹہ (GPU-hour)](https://broadrouter.com/ur/glossary/gpu-hour/) (اصطلاح)
-   [استعمال کے مطابق ادائیگی (pay-as-you-go)](https://broadrouter.com/ur/glossary/pay-as-you-go/) (اصطلاح)
-   [لیٹنسی (latency)](https://broadrouter.com/ur/glossary/latency/) (اصطلاح)
-   [کنکرنسی (concurrency)](https://broadrouter.com/ur/glossary/concurrency/) (اصطلاح)
-   [curl کے ساتھ BroadNet Inference کو پہلی درخواست](https://broadrouter.com/ur/guides/curl-quickstart/) (گائیڈ)
-   [LLM خود ہوسٹ کریں یا API لیں: اصل لاگت اور بریک ایون](https://broadrouter.com/ur/blog/self-hosting-llm-vs-api-cost/) (مضمون)
-   [LLM API کی قیمت کیسے بنتی ہے: ان پٹ، کیش شدہ، آؤٹ پٹ اور ریزننگ](https://broadrouter.com/ur/blog/llm-api-pricing-explained/) (مضمون)

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

[شروع کریں](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-glossary-serverless-inference&utm_content=page-cta) ·

**ذرائع**

-   [AWS، Amazon SageMaker Serverless Inference ڈیولپر گائیڈ (جانچ: 2026-11-16)](https://docs.aws.amazon.com/sagemaker/latest/dg/serverless-endpoints.html)
-   [Hugging Face، Inference Providers دستاویزات (سرور لیس انفرنس) (جانچ: 2026-11-16)](https://huggingface.co/docs/inference-providers/index)
-   [BroadNet Inference API ریفرنس، حدیں (جانچ: 2026-11-16) (انگریزی میں)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-glossary-serverless-inference&utm_content=sources#limits)
