Pular para o conteúdo principal
POST
/
api
/
v1
/
serving
/
deployments
Python (SDK)
from meetkai_mka1 import SDK


with SDK(
    bearer_auth="<YOUR_BEARER_TOKEN_HERE>",
) as sdk:

    res = sdk.serving.deployments.create(name="llama-3-8b-chat", model="meta-llama/Llama-3.1-8B-Instruct", accelerator={
        "type": "H100",
        "fallback": [
            "H100",
            "MI300X",
        ],
    }, secrets=[
        "hf-token",
    ], engine_args=[
        "--max-model-len",
        "8192",
    ], endpoint_auth=True)

    # Handle response
    print(res)
{
  "id": "<string>",
  "name": "<string>",
  "model": "<string>",
  "accelerator": {
    "type": "<string>",
    "count": 1,
    "fallback": [
      "<string>"
    ]
  },
  "scaling": {
    "min_containers": 0,
    "max_containers": 1,
    "buffer_containers": 0,
    "scaledown_window_s": 300,
    "max_concurrent_inputs": 100
  },
  "image": "<string>",
  "revision": 123,
  "created_at": "2023-11-07T05:31:56Z",
  "updated_at": "2023-11-07T05:31:56Z",
  "url": "<string>"
}

Autorizações

Authorization
string
header
obrigatório

Gateway auth: send Authorization: Bearer <mka1-api-key>. For multi-user server-side integrations, you can also send X-On-Behalf-Of: <external-user-id>.

Cabeçalhos

X-On-Behalf-Of
string

Optional external end-user identifier forwarded by the API gateway.

Corpo

application/json

Inicie um servidor de inferência.

name
string
obrigatório
Exemplo:

"llama-3-8b-chat"

model
string
obrigatório
Exemplo:

"meta-llama/Llama-3.1-8B-Instruct"

accelerator
AcceleratorSpec · object
obrigatório

Uma solicitação de acelerador de hardware — GPU, NPU, TPU ou مشابه.

Solicite um acelerador por tipo e quantidade, com tipos de fallback opcionais.

engine
enum<string>
padrão:vllm

Motor de inferência que dá suporte a uma implantação.

Opções disponíveis:
vllm,
sglang
scaling
Scaling · object

Configuração de escalonamento automático para uma implantação.

image
string | null

Nome/ID de uma imagem construída; o padrão é a imagem padrão do mecanismo

volume
string | null

Volume montado para pesos em cache

secrets
string[]
Exemplo:
["hf-token"]
engine_args
string[]

Flags extras passadas para o comando de inicialização da engine

Exemplo:
["--max-model-len", "8192"]
endpoint_auth
boolean
padrão:true

Exigir uma chave de endpoint (separada da chave de API do próprio modelo)

strategy
enum<string>
padrão:rolling

Como uma alteração de configuração ou reversão é implementada.

Opções disponíveis:
rolling,
recreate

Resposta

Resposta Bem-Sucedida

Um servidor de inferência implantado.

id
string
obrigatório
name
string
obrigatório
status
enum<string>
obrigatório
Opções disponíveis:
provisioning,
ready,
scaling,
updating,
error,
stopped
model
string
obrigatório
engine
enum<string>
obrigatório

Motor de inferência que dá suporte a uma implantação.

Opções disponíveis:
vllm,
sglang
accelerator
AcceleratorSpec · object
obrigatório

Uma solicitação de acelerador de hardware — GPU, NPU, TPU ou مشابه.

Solicite um acelerador por tipo e quantidade, com tipos de fallback opcionais.

scaling
Scaling · object
obrigatório

Configuração de escalonamento automático para uma implantação.

image
string | null
obrigatório
revision
integer
obrigatório

Revisão de configuração atual

created_at
string<date-time>
obrigatório
updated_at
string<date-time>
obrigatório
url
string | null

Endpoint público quando estiver pronto