batch-embed
التضمينات على دفعات باستخدام vLLM
يُنشئ تضمينات لملف دفعات بتنسيق OpenAI من طلبات /v1/embeddings باستخدام مشغّل الدفعات في vLLM، ويكتب سطر نتيجة واحدًا لكل طلب. النموذج الافتراضي Qwen3-Embedding-0.6B (Apache-2.0)، ويُنزَّل من Hugging Face عند البدء.
- الحالة
- متاح
- GPU
- NVIDIA A10G · 24 GB
a10g-24gb-x1 - مدة التشغيل الافتراضية
- 1 h كحد أقصى
- الناشر
- Unify Compute
ما يقرؤه وما يكتبه
المُدخل /mnt/in | مجلد يحتوي على requests.jsonl: سطر دفعة واحد بتنسيق OpenAI لكل طلب، بعنوان url هو /v1/embeddings |
|---|---|
المُخرج /mnt/out | results.jsonl: سطر نتيجة دفعة واحد بتنسيق OpenAI لكل طلب، يُطابَق بواسطة custom_id |
ما يمكنك تغييره
يمكن عند الإرسال تحديد: GPU (SKU) (sku)، موضع التشغيل السحابي (providers)، متغيرات البيئة (spec.env)، الحد الأقصى لمدة التشغيل (spec.max_runtime_seconds). أما الصورة والمدخلات والمخرجات المُعلنة فثابتة: فالصورة المختلفة تعني قالبًا مختلفًا.
MODEL | Qwen/Qwen3-Embedding-0.6B |
|---|---|
MODEL_REVISION | 97b0c614be4d77ee51c0cef4e5f07c00f9eb65b3 |
شغّله
مع حفظ المفتاح في $UNIFY_KEY (راجع دليل البدء السريع)، أعطِ كل مُدخل عنوان URL يبدأ بـ https://، عامًّا أو موقَّعًا مسبقًا، وينتهي باسم الملف المذكور أعلاه:
curl -s https://api.compute.unifyai.us/compute/v1/jobs \
-H "Authorization: Bearer $UNIFY_KEY" \
-H "Content-Type: application/json" \
-d '{
"template": "batch-embed",
"spec": {
"inputs": [
{
"source": "https://YOUR-BUCKET.s3.amazonaws.com/requests.jsonl",
"mount": "/mnt/in"
}
]
}
}'تُحتسب تكلفة المهمة بحسب وقت GPU الذي تستخدمه وبسعر وحدة SKU، تمامًا مثل أي مهمة تكتبها بنفسك.
خلال فترة الإتاحة التدريجية، يُفعَّل تنفيذ مهام GPU لكل حساب على حدة. أنشئ حسابًا، ثم اطلب منا تفعيله كما يوضح دليل البدء السريع.
مصدر الصورة
| الصورة | vllm/vllm-openai:v0.30.0-cu129 |
|---|---|
| الملخص (Digest) | sha256:a67f8f186d4567612ac37a55bd82295006002b18858eb12a8af2f05f86c2ae3f |
| الترخيص | Apache-2.0 |
| المصدر | https://hub.docker.com/r/vllm/vllm-openai (tag v0.30.0-cu129, pushed 2026-09-22; Dockerfile at github.com/vllm-project/vllm/blob/v0.30.0/docker/Dockerfile) |
ما يُشغَّل فعليًا هو الملخص (digest). يمكن إعادة دفع الوسم، أما الملخص فلا، لذا فإن ما تسحبه مهمتك هو تمامًا ما تمت مراجعته.