Tous les modèles

batch-infer-lora

Complétions de chat par lots avec votre adaptateur LoRA

Traite un fichier de lot OpenAI de requêtes /v1/chat/completions avec vLLM en appliquant un adaptateur LoRA (par exemple l’adapter.tar.gz produit par une tâche finetune-lora) et écrit une ligne de résultat par requête, comme batch-infer-vllm. Modèle de base par défaut : Qwen3-4B-Instruct-2507 (Apache-2.0) ; l’adaptateur doit avoir été entraîné sur la même base.

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/inrequests.jsonl : une ligne de lot OpenAI par requête, avec l’url /v1/chat/completions ; le champ model est ignoré, l’adaptateur s’applique à chaque ligne
Entrée /mnt/adapteradapter.tar.gz : un répertoire d’adaptateur PEFT LoRA (adapter_config.json, adapter_model.safetensors), tel que finetune-lora l’écrit
Sortie /mnt/outresults.jsonl : une ligne de résultat de lot OpenAI par requête, associée par custom_id, model = LORA_NAME

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.

Valeurs d’environnement par défaut
MODELQwen/Qwen3-4B-Instruct-2507
MODEL_REVISIONcdbee75f17c01a7cc42f958dc650907174af0554
MAX_MODEL_LEN8192
MAX_LORA_RANK64
LORA_NAMElora

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-infer-lora",
  "spec": {
    "inputs": [
      {
        "source": "https://YOUR-BUCKET.s3.amazonaws.com/requests.jsonl",
        "mount": "/mnt/in"
      },
      {
        "source": "https://YOUR-BUCKET.s3.amazonaws.com/adapter.tar.gz",
        "mount": "/mnt/adapter"
      }
    ]
  }
}'

La tâche est facturée au temps GPU utilisé, au tarif du SKU, comme une tâche que vous écrivez vous-même.

Accès anticipé

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

Imageghcr.io/felixsphere/unify-compute-finetune:finetune-2026-10-04
Digestsha256:6d426175dcd0e2443df6da9cf68e96c079abe5a8b80d9f488d09019536272ac1
LicenceApache-2.0
Sourceghcr.io/felixsphere/unify-compute-finetune, built by publish-image.yml run 37266527011 from main 150de552 (finetune/Dockerfile on vllm/vllm-openai:v0.30.0-cu129@sha256:a67f8f18…, Apache-2.0; adds TRL 1.14.1, PEFT 0.21.2, datasets 5.0.1, accelerate 1.15.0, jsonschema 4.26.0 and torchvision 0.29.0+cu130, removes torchaudio; linux/amd64 only; licences in THIRD-PARTY-LICENSES.md, Workload images)

C’est le digest qui s’exécute. Un tag peut être republié, pas un digest : votre tâche récupère exactement ce qui a été vérifié.