Todos os templates

batch-embed

Embeddings em lote com vLLM

Gera embeddings de um arquivo de lote da OpenAI com requisições /v1/embeddings usando o executor em lote do vLLM e grava uma linha de resultado por requisição. Modelo padrão: Qwen3-Embedding-0.6B (Apache-2.0), baixado do Hugging Face na inicialização.

Status
Disponível
GPU
NVIDIA A10G · 24 GB a10g-24gb-x1
Tempo de execução padrão
1 h no máximo
Publicador
Unify Compute

O que ele lê e grava

Entrada /mnt/inDiretório com requests.jsonl: uma linha de lote da OpenAI por requisição, com url /v1/embeddings
Saída /mnt/outresults.jsonl: uma linha de resultado de lote da OpenAI por requisição, associada por custom_id

O que você pode alterar

Um envio pode definir: GPU (SKU) (sku), Posicionamento na nuvem (providers), Variáveis de ambiente (spec.env), Tempo máximo de execução (spec.max_runtime_seconds). A imagem e as entradas e saídas declaradas são fixas: uma imagem diferente é um template diferente.

Padrões de ambiente
MODELQwen/Qwen3-Embedding-0.6B
MODEL_REVISION97b0c614be4d77ee51c0cef4e5f07c00f9eb65b3

Execute

Com uma chave em $UNIFY_KEY (veja o guia de início rápido), informe para cada entrada uma URL https://, pública ou pré-assinada, que termine no nome de arquivo acima:

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"
      }
    ]
  }
}'

O job é cobrado pelo tempo de GPU que usa, na tarifa do SKU, igual a um job que você mesmo escreve.

Acesso antecipado

Durante a liberação, a execução de jobs em GPU é ativada conta a conta. Crie uma conta e depois peça a ativação, como descrito no guia de início rápido.

De onde vem a imagem

Imagemvllm/vllm-openai:v0.30.0-cu129
Digestsha256:a67f8f186d4567612ac37a55bd82295006002b18858eb12a8af2f05f86c2ae3f
LicençaApache-2.0
Origemhttps://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)

O que roda é o digest. Uma tag pode ser enviada de novo; um digest não, então o seu job baixa exatamente o que foi revisado.