如果只是逐项记功能，低延迟的实际价值并不容易看出来。把EIS 上管理模型的扩展目录、为袋里任务选择合适的模型、简单信息查询放到具体场景里理解，使用时会更清楚。

先看原文给出的关键信息：Elastic Inference Service (EIS) 扩展了模型目录，使用户能轻松地在托管 GPU 上运行快速、高质量的推理，而无需复杂的设定或托管。；EIS 已提供对最先进的大型语言模型 (LLM) 的访问，这些模型为Elastic Agent Builder和 Elastic AI Assistants 提供开箱即用的 AI 能力，包括自；现在，我们正在扩展这一基础，提供更广泛的托管模型目录，使开发人员能更好地控制袋里的推理、检索和行动方式。。继续往下处理时，重点放在这些条件上：实际上，这反映了企业构建人工智能系统方式的更广泛转变。；单一的通用人工智能模型理念已不再适用。；现实世界的袋里工作流程要多个模型，这些模型具有不同的优势、成本和性能特征。。收尾检查时，再把这些细节对上：借助 EIS，团队能直接在袋里构建器中选取和切换模型，无需任何设定、成本或托管开销；或者，他们也能在袋里工作流程中混合搭配不同的模型，以便每个流程都使用最适合当前任务的模型。；开发者能直接在 Elasticsearch 中使用来自 OpenAI、Anthropic 和 Google 的模型，为不同的袋里流程选取不同的模型，而 Elastic。