batch-extract-sglang
Extraction structurée avec SGLang
Traite un fichier de lot OpenAI de requêtes /v1/chat/completions (ou /v1/completions) avec SGLang en contraignant chaque réponse à un même JSON Schema que vous fournissez, et écrit une ligne de résultat par requête, au même format que batch-infer-sglang. Le décodage est guidé par une grammaire : chaque réponse s’analyse et respecte le schéma, sauf si elle atteint max_tokens avant ; le journal indique combien s’analysent. Modèle par défaut : Qwen3-4B-Instruct-2507 (Apache-2.0), téléchargé depuis Hugging Face au démarrage.
- Statut
- Disponible
- GPU
- NVIDIA A10G · 24 GB
a10g-24gb-x1 - Durée d’exécution par défaut
- 1 h maximum
- Éditeur
- Unify Compute
Ce qu’il lit et écrit
Entrée /mnt/in | Répertoire contenant requests.jsonl : une ligne de lot OpenAI par requête, avec l’url /v1/chat/completions ou /v1/completions ; le champ model est remplacé par MODEL et tout response_format par le schéma |
|---|---|
Entrée /mnt/schema | schema.json : le JSON Schema que chaque réponse doit respecter |
Sortie /mnt/out | results.jsonl : une ligne de résultat de lot OpenAI par requête, dans l’ordre d’entrée, associée par custom_id ; le contenu de chaque réponse est un document JSON conforme à schema.json |
Ce que vous pouvez modifier
Une soumission peut définir : GPU (SKU) (sku), Placement cloud (providers), Variables d’environnement (spec.env), Durée d’exécution maximale (spec.max_runtime_seconds). L’image ainsi que les entrées et sorties déclarées sont fixes : une autre image correspond à un autre modèle.
MODEL | Qwen/Qwen3-4B-Instruct-2507 |
|---|---|
MODEL_REVISION | cdbee75f17c01a7cc42f958dc650907174af0554 |
MAX_MODEL_LEN | 8192 |
CONCURRENCY | 64 |
Exécutez-le
Avec une clé dans $UNIFY_KEY (voir le guide de démarrage rapide), attribuez à chaque entrée une URL https://, publique ou présignée, qui se termine par le nom de fichier indiqué ci-dessus :
curl -s https://api.compute.unifyai.us/compute/v1/jobs \
-H "Authorization: Bearer $UNIFY_KEY" \
-H "Content-Type: application/json" \
-d '{
"template": "batch-extract-sglang",
"spec": {
"inputs": [
{
"source": "https://YOUR-BUCKET.s3.amazonaws.com/requests.jsonl",
"mount": "/mnt/in"
},
{
"source": "https://YOUR-BUCKET.s3.amazonaws.com/schema.json",
"mount": "/mnt/schema"
}
]
}
}'La tâche est facturée au temps GPU utilisé, au tarif du SKU, comme une tâche que vous écrivez vous-même.
Pendant le déploiement, l’exécution des tâches GPU est activée compte par compte. Créez un compte, puis demandez-nous de l’activer comme l’explique le guide de démarrage rapide.
Provenance de l’image
| Image | lmsysorg/sglang:v0.5.19-cu129-runtime |
|---|---|
| Digest | sha256:fe08f6f52bea380415792849a703d92279c86320f8c39283bcd04043f8b63c41 |
| Licence | Apache-2.0 |
| Source | https://hub.docker.com/r/lmsysorg/sglang (tag v0.5.19-cu129-runtime, pushed 2026-09-04, the newest CUDA 12.9 build; multi-arch index read from registry-1.docker.io on 2026-11-06; LICENSE at github.com/sgl-project/sglang/blob/v0.5.19/LICENSE) |
C’est le digest qui s’exécute. Un tag peut être republié, pas un digest : votre tâche récupère exactement ce qui a été vérifié.