modal

Execute código Python na nuvem com contêineres serverless, GPUs e autoscaling. Use ao fazer deploy de modelos de ML, executar jobs de processamento em lote, agendar tarefas compute-intensivas ou servi

SKILL.md

GitHub

Modal

Visão Geral

Modal é uma plataforma serverless para executar código Python na nuvem com configuração mínima. Execute funções em GPUs poderosas, escale automaticamente para milhares de contêineres e pague apenas pelo compute utilizado.

Modal é particularmente adequado para workloads de IA/ML, processamento em lote de alto desempenho, jobs agendados, inferência GPU e APIs serverless. Cadastre-se gratuitamente em https://modal.com e receba $30/mês em créditos.

Quando Usar Esta Skill

Use Modal para:

  • Fazer deploy e servir modelos de ML (LLMs, geração de imagens, modelos de embedding)
  • Executar computação acelerada por GPU (treinamento, inferência, renderização)
  • Processar em lote grandes conjuntos de dados em paralelo
  • Agendar jobs compute-intensivos (processamento diário de dados, treinamento de modelos)
  • Construir APIs serverless que necessitam escalabilidade automática
  • Computação científica que exige compute distribuído ou hardware especializado

Autenticação e Setup

Modal requer autenticação via token de API.

Setup Inicial

# Instalar Modal
uv pip install modal

# Autenticar (abre navegador para login)
modal token new

Isso cria um token armazenado em ~/.modal.toml. O token autentica todas as operações Modal.

Verificar Setup

import modal

app = modal.App("test-app")

@app.function()
def hello():
    print("Modal is working!")

Execute com: modal run script.py

Capacidades Principais

Modal oferece execução Python serverless através de Functions que executam em contêineres. Defina requisitos de compute, dependências e comportamento de scaling de forma declarativa.

1. Definir Imagens de Contêiner

Especifique dependências e ambiente para funções usando Modal Images.

import modal

# Imagem básica com pacotes Python
image = (
    modal.Image.debian_slim(python_version="3.12")
    .uv_pip_install("torch", "transformers", "numpy")
)

app = modal.App("ml-app", image=image)

Padrões comuns:

  • Instalar pacotes Python: .uv_pip_install("pandas", "scikit-learn")
  • Instalar pacotes do sistema: .apt_install("ffmpeg", "git")
  • Usar imagens Docker existentes: modal.Image.from_registry("nvidia/cuda:12.1.0-base")
  • Adicionar código local: .add_local_python_source("my_module")

Veja references/images.md para documentação abrangente de construção de imagens.

2. Criar Functions

Defina funções que executam na nuvem com o decorator @app.function().

@app.function()
def process_data(file_path: str):
    import pandas as pd
    df = pd.read_csv(file_path)
    return df.describe()

Chamar funções:

# Do entrypoint local
@app.local_entrypoint()
def main():
    result = process_data.remote("data.csv")
    print(result)

Execute com: modal run script.py

Veja references/functions.md para padrões de função, deploy e manipulação de parâmetros.

3. Solicitar GPUs

Anexe GPUs a funções para computação acelerada.

@app.function(gpu="H100")
def train_model():
    import torch
    assert torch.cuda.is_available()
    # Código acelerado por GPU aqui

Tipos de GPU disponíveis:

  • T4, L4 - Inferência econômica
  • A10, A100, A100-80GB - Treinamento/inferência padrão
  • L40S - Excelente relação custo/desempenho (48GB)
  • H100, H200 - Treinamento de alto desempenho
  • B200 - Desempenho flagship (mais poderosa)

Solicitar múltiplas GPUs:

@app.function(gpu="H100:8")  # 8x GPUs H100
def train_large_model():
    pass

Veja references/gpu.md para orientação de seleção de GPU, setup CUDA e configuração multi-GPU.

4. Configurar Recursos

Solicite CPU cores, memória e disco para funções.

@app.function(
    cpu=8.0,           # 8 núcleos físicos
    memory=32768,      # 32 GiB RAM
    ephemeral_disk=10240  # 10 GiB disco
)
def memory_intensive_task():
    pass

Alocação padrão: 0,125 CPU cores, 128 MiB memória. Billing baseado em reserva ou uso real, o que for maior.

Veja references/resources.md para limites de recursos e detalhes de billing.

5. Escalar Automaticamente

Modal autoscale funções de zero a milhares de contêineres baseado na demanda.

Processar inputs em paralelo:

@app.function()
def analyze_sample(sample_id: int):
    # Processar amostra única
    return result

@app.local_entrypoint()
def main():
    sample_ids = range(1000)
    # Automaticamente paralelizado entre contêineres
    results = list(analyze_sample.map(sample_ids))

Configurar autoscaling:

@app.function(
    max_containers=100,      # Limite superior
    min_containers=2,        # Manter aquecido
    buffer_containers=5      # Buffer ocioso para picos
)
def inference():
    pass

Veja references/scaling.md para configuração de autoscaling, concorrência e limites de scaling.

6. Armazenar Dados Persistentemente

Use Volumes para armazenamento persistente entre invocações de função.

volume = modal.Volume.from_name("my-data", create_if_missing=True)

@app.function(volumes={"/data": volume})
def save_results(data):
    with open("/data/results.txt", "w") as f:
        f.write(data)
    volume.commit()  # Persistir mudanças

Volumes persistem dados entre execuções, armazenam pesos de modelos, fazem cache de datasets e compartilham dados entre funções.

Veja references/volumes.md para gerenciamento de volumes, commits e padrões de caching.

7. Gerenciar Secrets

Armazene chaves de API e credenciais com segurança usando Modal Secrets.

@app.function(secrets=[modal.Secret.from_name("huggingface")])
def download_model():
    import os
    token = os.environ["HF_TOKEN"]
    # Usar token para autenticação

Criar secrets no dashboard Modal ou via CLI:

modal secret create my-secret KEY=value API_TOKEN=xyz

Veja references/secrets.md para gerenciamento de secrets e padrões de autenticação.

8. Fazer Deploy de Web Endpoints

Sirva endpoints HTTP, APIs e webhooks com @modal.web_endpoint().

@app.function()
@modal.web_endpoint(method="POST")
def predict(data: dict):
    # Processar requisição
    result = model.predict(data["input"])
    return {"prediction": result}

Fazer deploy com:

modal deploy script.py

Modal fornece URL HTTPS para o endpoint.

Veja references/web-endpoints.md para integração FastAPI, streaming, autenticação e suporte WebSocket.

9. Agendar Jobs

Execute funções em um schedule com expressões cron.

@app.function(schedule=modal.Cron("0 2 * * *"))  # Diariamente às 2 AM
def daily_backup():
    # Fazer backup de dados
    pass

@app.function(schedule=modal.Period(hours=4))  # A cada 4 horas
def refresh_cache():
    # Atualizar cache
    pass

Funções agendadas executam automaticamente sem invocação manual.

Veja references/scheduled-jobs.md para sintaxe cron, configuração de timezone e monitoramento.

Workflows Comuns

Fazer Deploy de Modelo de ML para Inferência

import modal

# Definir dependências
image = modal.Image.debian_slim().uv_pip_install("torch", "transformers")
app = modal.App("llm-inference", image=image)

# Baixar modelo no tempo de build
@app.function()
def download_model():
    from transformers import AutoModel
    AutoModel.from_pretrained("bert-base-uncased")

# Servir modelo
@app.cls(gpu="L40S")
class Model:
    @modal.enter()
    def load_model(self):
        from transformers import pipeline
        self.pipe = pipeline("text-classification", device="cuda")

    @modal.method()
    def predict(self, text: str):
        return self.pipe(text)

@app.local_entrypoint()
def main():
    model = Model()
    result = model.predict.remote("Modal is great!")
    print(result)

Processar em Lote Grande Conjunto de Dados

@app.function(cpu=2.0, memory=4096)
def process_file(file_path: str):
    import pandas as pd
    df = pd.read_csv(file_path)
    # Processar dados
    return df.shape[0]

@app.local_entrypoint()
def main():
    files = ["file1.csv", "file2.csv", ...]  # Milhares de arquivos
    # Automaticamente paralelizado entre contêineres
    for count in process_file.map(files):
        print(f"Processed {count} rows")

Treinar Modelo em GPU

@app.function(
    gpu="A100:2",      # 2x GPUs A100
    timeout=3600       # 1 hora timeout
)
def train_model(config: dict):
    import torch
    # Código de treinamento multi-GPU
    model = create_model(config)
    train(model)
    return metrics

Documentação de Referência

Documentação detalhada para recursos específicos:

  • references/getting-started.md - Autenticação, setup, conceitos básicos
  • references/images.md - Construção de imagens, dependências, Dockerfiles
  • references/functions.md - Padrões de função, deploy, parâmetros
  • references/gpu.md - Tipos de GPU, CUDA, configuração multi-GPU
  • references/resources.md - Gerenciamento de CPU, memória, disco
  • references/scaling.md - Autoscaling, execução paralela, concorrência
  • references/volumes.md - Armazenamento persistente, gerenciamento de dados
  • references/secrets.md - Variáveis de ambiente, autenticação
  • references/web-endpoints.md - APIs, webhooks, endpoints
  • references/scheduled-jobs.md - Jobs cron, tarefas periódicas
  • references/examples.md - Padrões comuns para computação científica

Melhores Práticas

  1. Fixe dependências em .uv_pip_install() para builds reproduzíveis
  2. Use tipos de GPU apropriados - L40S para inferência, H100/A100 para treinamento
  3. Aproveite o caching - Use Volumes para pesos de modelos e datasets
  4. Configure autoscaling - Defina max_containers e min_containers baseado na carga de trabalho
  5. Importe pacotes no corpo da função se não disponíveis localmente
  6. Use .map() para processamento paralelo em vez de loops sequenciais
  7. Armazene secrets com segurança - Nunca faça hardcode de chaves de API
  8. Monitore custos - Verifique o dashboard Modal para uso e billing

Solução de Problemas

Erros "Module not found":

  • Adicione pacotes à imagem com .uv_pip_install("package-name")
  • Importe pacotes dentro do corpo da função se não disponíveis localmente

GPU não detectada:

  • Verifique especificação de GPU: @app.function(gpu="A100")
  • Verifique disponibilidade CUDA: torch.cuda.is_available()

Função com timeout:

  • Aumente timeout: @app.function(timeout=3600)
  • O timeout padrão é 5 minutos

Mudanças de Volume não persisting:

  • Chame volume.commit() após escrever arquivos
  • Verifique se volume está montado corretamente no decorator da função

Para ajuda adicional, veja documentação Modal em https://modal.com/docs ou participe da comunidade Slack Modal.