随着大模型技术的快速发展,业界的关注点正逐步从模型训练往模型推理转变。这一转变不仅反映了大模型在实际业务中的广泛应用需求,也体现了技术优化和工程化落地的趋势。
魔搭社区(ModelScope)作为开源大模型的聚集地,结合阿里云边缘云ENS,提供了一种高效、便捷的部署方式。通过按需付费和弹性伸缩,开发者可以快速部署和使用大模型,享受云计算的便利。本文介绍了魔搭社区与阿里云边缘云ENS的结合使用体验,包括部署流程、环境配置、效果验证等内容。
魔搭社区(ModelScope)是中国规模和影响力最大的开源模型社区 。致力于构建模型即服务(MaaS)生态,提供从模型探索、体验、训练、推理到部署的一站式服务。该平台汇聚了超过5万个AI模型,涵盖自然语言处理、计算机视觉、语音、多模态、科学计算等领域,服务超过1400万开发者。
阿里云边缘云ENS是由大规模地域分散的边缘节点相互协同组成的一朵可远程管控,安全可信,标准易用的分布式云。以广覆盖为核心定位,为客户提供低时延、本地化、小型化三大核心价值。全球拥有超过3200个边缘节点,中国内地省份与运营商100%覆盖,海外覆盖70+重点国家和地区。
1. 如何新建部署入口
进入魔搭社区 - 模型服务 - 部署服务(SwingDeploy) - 免费部署到魔搭推理API - 新建部署。
魔搭社区新建部署界面
2. 模型选择和服务部署配置
2.1 模型选择
社区提供了热门模型的优先推荐列表,也支持通过搜索功能为您查找特定模型。下面我们以 Qwen3-8B-GGUF 为例进行介绍,其可以运行在免费 GPU 资源上。
2.2 服务部署配置
基础配置
针对该模型,我们选择 Ollama 作为推理框架,并在免费部署资源中选用边缘节点服务(ENS)进行部署。对于其他模型,您可以根据需求灵活选择推理框架、以及 CPU 部署或 GPU 部署。
SwingDeploy 基础配置设置
单账号配额:支持10个免费 CPU 服务实例、1个 GPU 服务实例。
当资源不够时,服务创建会报错,并且服务状态为资源不足。
当前免费算力供应紧张,正在安排扩容,请保持关注。
高级配置
- 支持在列表中更换模型文件,以选择特定的量化版本。
- SwingDeploy 提供默认的 Modelfile 配置文件,同时也支持用户自定义编辑。
- 如有需要,可自定义配置环境变量。
SwingDeploy 高级配置设置
完成上述操作后,点击右下角“一键部署”按钮,即可开始部署服务。
模型部署需要一定耗时,包括模型下载、制作、资源生产和部署,请您耐心等待。可以在 SwingDeploy 控制台确认服务状态。
SwingDeploy 控制台
3. 效果验证
在部署任务列表中,点击具体任务操作列下的“详情”按钮,即可查看任务详情。详情页展示服务实例的创建时间、更新时间、实例类型、模型文件、推理框架、部署资源及参数等信息,并提供一份示例代码,支持通过 OpenAPI SDK 进行调用。
以下代码基于示例代码改造,实现了一个简易的终端问答Bot,用于测试模型效果。我们优化了终端的输入输出交互体验。如需运行此代码,请根据您在魔搭部署任务详情页中的配置信息,替换服务地址、API Key 以及模型路径。
from openai import OpenAI import sys from prompt_toolkit import PromptSession from prompt_toolkit.styles import Style import time import tiktoken import shutil # 初始化 OpenAI 客户端,base_url,api_key,model请按实际情况填写。 client = OpenAI( base_url=<填写魔搭侧的服务地址>, api_key=<填写魔搭侧的服务api_key> ) model = <填写模型路径,如unsloth/Qwen3-8B-GGUF> def num_tokens_from_string(string: str) -> int: """计算文本中的 tokens 数量""" encoding = tiktoken.get_encoding("cl100k_base") num_tokens = len(encoding.encode(string)) return num_tokens def get_terminal_size(): """获取终端大小""" return shutil.get_terminal_size() def clear_current_line(): """清除当前行""" terminal_width = get_terminal_size().columns print('\r' + ' ' * terminal_width + '\r', end='', flush=True) def chat_with_model(): # 创建 prompt session 和自定义样式 session = PromptSession() style = Style.from_dict({ 'prompt': '#00aa00 bold', }) messages = [ { 'role': 'system', 'content': '你是一个有帮助的助手。' } ] print("欢迎使用AI助手!输入'退出'或'quit'可以结束对话。") while True: try: # 使用 prompt_toolkit 处理输入 user_input = session.prompt('\n你: ', style=style) if user_input.lower() in ['退出', 'quit']: print("再见!") break messages.append({ 'role': 'user', 'content': user_input }) print("\nAI助手: ", end='', flush=True) try: start_time = time.time() response = client.chat.completions.create( model=model, messages=messages, stream=True ) full_response = "" for chunk in response: if chunk.choices[0].delta.content: content = chunk.choices[0].delta.content print(content, end='', flush=True) full_response += content end_time = time.time() elapsed_time = end_time - start_time # 计算 tokens response_tokens = num_tokens_from_string(full_response) tokens_per_second = response_tokens / elapsed_time # 确保统计信息显示在新行,并在显示后额外添加换行 print("\n") # 先确保有一个空行 stats = f"[统计] 响应tokens: {response_tokens}, 用时: {elapsed_time:.2f}秒, 速率: {tokens_per_second:.2f} tokens/s" print(stats) print() # 添加额外的换行确保滚动 sys.stdout.flush() # 强制刷新输出缓冲区 messages.append({ 'role': 'assistant', 'content': full_response }) except Exception as api_error: print(f"\n请求API时发生错误: {str(api_error)}") print() # 额外的换行 continue except KeyboardInterrupt: print("\n\n检测到中断,正在退出...") print() # 额外的换行 break except Exception as e: print(f"\n发生错误: {str(e)}") print() # 额外的换行 continue if __name__ == "__main__": try: chat_with_model() except Exception as e: print(f"程序发生错误: {str(e)}") print() # 额外的换行 sys.exit(1)
服务运行后,效果展示如下:
服务运行后,效果展示
服务运行后,效果视频展示
通过本文的介绍,我们展示了如何利用魔搭社区(ModelScope)与阿里云边缘云ENS相结合,快速部署和验证大模型的实际效果。
未来,随着大模型技术的不断演进和应用场景的持续拓展,我们相信这种“模型即服务”(MaaS)的模式将为更多企业和开发者带来创新机遇。
希望本文能为您提供有价值的参考,也期待您在实际项目中探索出更多可能性。
让我们一起拥抱大模型时代,共同推动技术落地与业务升级!
来源 | 阿里云Edge Plus公众号