一个团队希望在生产环境中长期运行预测模型的多个版本，控制每个版本服务的推理比例，并最大限度地减少实施工作。哪种解决方案最能满足这些需求？

正确答案是“在SageMaker中托管模型，并使用多个生产变体创建单个端点配置；调整变体权重以控制流量。” Amazon SageMaker端点支持生产变体，允许您在单个端点下部署模型的多个版本。通过调整每个变体的权重，您可以精确控制流向每个模型版本的推理流量比例，从而实现A/B测试、金丝雀发布或逐步推出新模型版本，同时最大限度地减少实施工作。 选项A“在SageMaker中托管每个模型，并为每个模型创建单独的端点；让应用程序根据需要调用不同的端点”需要应用程序层面的复杂逻辑来管理流量分配，增加了实施复杂性，并且每个端点都会产生额外成本。选项C“使用SageMaker Neo为不同设备类型编译模型，并根据设备类型路由推理”主要用于优化模型以在边缘设备上运行，与在生产环境中管理多个模型版本的推理比例无关。选项D“在SageMaker中将多个模型托管在单个端点后面，并使用批量转换来控制调用哪个模型”批量转换适用于离线数据处理，而不是实时在线推理。