Todas las plantillas

batch-embed

Embeddings por lotes con vLLM

Genera embeddings de un archivo de lote de OpenAI con solicitudes /v1/embeddings mediante el ejecutor por lotes de vLLM y escribe una línea de resultado por solicitud. Modelo predeterminado: Qwen3-Embedding-0.6B (Apache-2.0), descargado de Hugging Face al iniciar.

Estado
Disponible
GPU
NVIDIA A10G · 24 GB a10g-24gb-x1
Tiempo de ejecución predeterminado
1 h como máximo
Editor
Unify Compute

Qué lee y qué escribe

Entrada /mnt/inDirectorio que contiene requests.jsonl: una línea de lote de OpenAI por solicitud, con url /v1/embeddings
Salida /mnt/outresults.jsonl: una línea de resultado de lote de OpenAI por solicitud, asociada por custom_id

Qué puede cambiar

Un envío puede definir: GPU (SKU) (sku), Ubicación en la nube (providers), Variables de entorno (spec.env), Tiempo máximo de ejecución (spec.max_runtime_seconds). La imagen y las entradas y salidas declaradas son fijas: una imagen distinta es una plantilla distinta.

Valores predeterminados del entorno
MODELQwen/Qwen3-Embedding-0.6B
MODEL_REVISION97b0c614be4d77ee51c0cef4e5f07c00f9eb65b3

Ejecútela

Con una clave en $UNIFY_KEY (consulte la guía de inicio rápido), asigne a cada entrada una URL https://, pública o prefirmada, que termine en el nombre de archivo indicado arriba:

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"
      }
    ]
  }
}'

El trabajo se factura por el tiempo de GPU que usa, a la tarifa del SKU, igual que un trabajo que escriba usted mismo.

Acceso anticipado

Durante el despliegue, la ejecución de trabajos en GPU se activa cuenta por cuenta. Cree una cuenta y luego solicite que la habilitemos, como se explica en la guía de inicio rápido.

De dónde proviene la imagen

Imagenvllm/vllm-openai:v0.30.0-cu129
Digestsha256:a67f8f186d4567612ac37a55bd82295006002b18858eb12a8af2f05f86c2ae3f
LicenciaApache-2.0
Origenhttps://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)

Lo que se ejecuta es el digest. Una etiqueta puede volver a publicarse; un digest no, así que su trabajo descarga exactamente lo que se revisó.