Criar uma implantação de inferência
Crie e inicie uma implantação de inferência para um modelo e retorne seu endpoint.
Autorizações
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
Optional external end-user identifier forwarded by the API gateway.
Corpo
Inicie um servidor de inferência.
"llama-3-8b-chat"
"meta-llama/Llama-3.1-8B-Instruct"
Uma solicitação de acelerador de hardware — GPU, NPU, TPU ou مشابه.
Solicite um acelerador por tipo e quantidade, com tipos de fallback opcionais.
Motor de inferência que dá suporte a uma implantação.
vllm, sglang Configuração de escalonamento automático para uma implantação.
Nome/ID de uma imagem construída; o padrão é a imagem padrão do mecanismo
Volume montado para pesos em cache
["hf-token"]Flags extras passadas para o comando de inicialização da engine
["--max-model-len", "8192"]Exigir uma chave de endpoint (separada da chave de API do próprio modelo)
Como uma alteração de configuração ou reversão é implementada.
rolling, recreate Resposta
Resposta Bem-Sucedida
Um servidor de inferência implantado.
provisioning, ready, scaling, updating, error, stopped Motor de inferência que dá suporte a uma implantação.
vllm, sglang Uma solicitação de acelerador de hardware — GPU, NPU, TPU ou مشابه.
Solicite um acelerador por tipo e quantidade, com tipos de fallback opcionais.
Configuração de escalonamento automático para uma implantação.
Revisão de configuração atual
Endpoint público quando estiver pronto