GenStudio M×N 推理服务使用教程

本文将指导您如何通过常用工具适配 M×N 推理 API 端点。

NOTE

M×N 多模型芯片推理服务仅支持部分预置大语言模型。

什么是 M×N ？

我们致力于国产化 AI 算力适配和性能极致优化，已适配多种国产 AI 芯片，实现开源模型的无缝迁移。大模型服务平台（GenStudio）的部分预置模型支持多芯片推理，可同时体验不同芯片的模型性能和效果。

大模型服务平台（GenStudio）为 LLM 提供了专用的多模型芯片（M×N）推理 API 端点。

OpenAI API 兼容性

M×N 多模型芯片 API 服务与 OpenAI Chat Completions 接口兼容。

NOTE

M×N API 接口路径不同于 OpenAI 的 /v1/chat/completions：

没有 /v1 部分
模型/芯片组合决定具体路径： /maas/{model}/{chiptype}/chat/completions

在线体验 M×N

大模型服务平台（GenStudio）体验中心已在 Web UI 上提供 M×N 体验。

开启多模型多芯片体验

开启 M×N 体验后可尝试不同模型和芯片组合，并在右侧的交互体验区对比效果。

前往体验中心

开启步骤如下：

进入体验中心后，打开 M*N 体验开关，推荐切换为按芯片选择，随后选择 2 ～ 4 个需要对比体验的模型芯片组合。
NOTE
当前仅大语言模型支持 M×N 体验。请确保顶部已切换为大语言模型。
在 M×N 体验模式下，您可直观体验不同模型和不同芯片对于同样的指令的返回差异。您可以在左侧调整各个模型的参数，不同模型支持的参数数量及范围均可能有差异。
WARNING
选中的模型不共享参数配置，例如 System Prompt、Temperature 等。如有需要，请逐个模型调整。
当模型完成或被停止生成后，可根据模型的回答情况，点击重新生成按钮，对之前所生成的最新一轮反馈进行重新生成。对模型已经完成输出生成的内容，平台会统计本轮对话所产生的输入与输出 Token 总和。

TIP

当对比中的模型仍正在输出时，您无法进行新对话的发起或者输入下一轮的指令，当所有模型都完成内容返回时，则可以开启下一轮的对话对比。

大语言模型交互参数配置

体验大语言模型时，各个模型拥有独立的配置区域。因模型系列的不同，可能会支持不同的可配置参数。大语言模型主要的参数包括：

Stream：指模型是否以流式返回回答的内容，默认开启，关闭时，将一次性返回此次生成的所有内容。
System Prompt：指模型在回答问题时的系统提示，默认为空，您可以根据需要自行调整。
Max_tokens：指模型输出的最大 Token 数量。模型输入与输出的 Token 数量将共享模型可处理的文本长度。
Temperature：采样温度，控制输出的随机性。值越高，会使输出更加随机，更具创造性；值越低，会使输出更加集中和确定性。我们推荐您根据应用场景调整 top_p 或 temperature 参数，但不建议同时调整两个参数。
Top_p：用于控制输出文本的随机性和多样性，取值越大，生成文本越丰富。我们推荐您根据应用场景调整 top_p 或 temperature 参数，但不建议同时调整两个参数。
Top_k：用于控制输出文本的随机性和多样性（并非所有模型均支持），控制语言模型在生成文本时，从前 k 个 tokens 随机选择。1 适用于返回有明确答案的问题，例如 "5 乘以 7 等于多少？"

如果希望体验更完整的参数配置，建议使用 GenStudio API 文档中的调试面板。

获取 M×N API 端点

在模型广场点击模型卡片后，切换到调用说明标签页面，可一键复制当前模型的 M×N API 调用示例。

alt text

GenStudio API 服务的 API Server 地址（模型名称、芯片类型）已经在调用示例中拼接好，可直接使用。

使用 Curl

您可以通过调用示例中的 curl 命令直接发送 API 请求。

TIP

请将 $API_KEY 修改为您获取的 API 密钥。

验证单轮对话（非流式）

以下请求示例发起一个单轮对话。以下示例未指定 stream 参数，因此 API 服务使用默认响应方式（非流式响应）。

API_KEY：GenStudio API key
API_HOST_DOMAIN：GenStudio API 服务域名，请使用 https://cloud.infini-ai.com
MODEL：模型名称，例如 megrez-3b-instruct
CHIP：芯片，例如 nvidia

shell

curl "${API_HOST_DOMAIN}/maas/${MODEL}/${CHIP}/chat/completions" \
    -H "Content-Type: application/json" \
    -H "Authorization: Bearer ${API_KEY}" \
    -d '{
         "model": "'"${MODEL}"'",
         "messages": [
            { "role": "user", "content": "你是谁？" }
          ]
     }'

单轮对话也可以携带 system message，示例如下

json

"messages": [
    { "role": "system", "content": "请以嘲讽语气回答" },
    { "role": "user", "content": "你是谁？" }
]

API 服务默认使用非流式响应。请求成功时，一次性返回生成的内容。

响应正文示例如下：

json

{
    "id": "chatcmpl-n5McEDBxBdxNDbx2CA8Rz8",
    "object": "chat.completion",
    "created": 1708497105,
    "model": "qwen2.5-7b-instruct",
    "choices": [
        {
            "index": 0,
            "message": {
                "role": "assistant",
                "content": "我是来自阿里云的大规模语言模型"
            },
            "finish_reason": "stop"
        }
    ],
    "usage": {
        "prompt_tokens": 22,
        "total_tokens": 39,
        "completion_tokens": 17
    }
}

IMPORTANT

若文本审核违规，则新增 blocked 字段且值为 true，后面响应不再继续输出
若文本审核通过，则无 blocked 字段，后面响应正常输出。

验证单轮对话（流式）

以下示例明确指定 stream 参数为 true，因此 API 服务将会采用流式响应方式返回类型。

shell

curl "${API_HOST_DOMAIN}/maas/${MODEL}/${CHIP}/chat/completions" \
    -H "Content-Type: application/json" \
    -H "Authorization: Bearer $API_KEY" \
    -d '{
         "model": "megrez-3b-instruct",
         "stream": true,
         "messages": [
            { "role": "user", "content": "你是谁？" }
          ]
     }'

在流式响应模式下，请求成功时，一次性返回生成的内容。

IMPORTANT

当前仅 chip3、chip4、chip5 存在以下问题：

流式响应模式下，暂不支持返回 Content-Type 为 text/event-stream 的 data-only server-sent events，因此响应体中的数据不会带有 data: 字段。
流式响应模式下，暂不支持返回标志对话结束标志 data: [DONE]。
流式响应模式下，仅在最后一条返回数据中携带携带 object 和 created 字段。

响应正文示例如下：

json

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"role": "assistant"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "我是"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "来自"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "无问"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "芯穹"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "的"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "超"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "大规模"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "语言"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "模型"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "，"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "我"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "叫"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "无"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "问"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "天"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "权"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {"content": "。"}, "finish_reason": null}]}

{"id": "chatcmpl-3HjYf888MzQ6XAHADiPanf", "object": "chat.completion.chunk", "created": 1708486029, "model": "megrez-3b-instruct", "choices": [{"index": 0, "delta": {}, "finish_reason": "stop"}], "usage": {"prompt_tokens": 22, "total_tokens": 40, "completion_tokens": 18}}

验证多轮对话

API 服务可接受多轮对话请求，一对 user message + assistant message 算一轮（也可包含 system message）。

以下示例展示了一个多轮对话请求。

shell

curl https://cloud.infini-ai.com/maas/megrez-3b-instruct/nvidia/chat/completions \
    -H "Content-Type: application/json" \
    -H "Authorization: Bearer $API_KEY" \
    -d '{
        "model": "megrez-3b-instruct",
        "messages": [
            { "role": "user", "content": "你是谁？" },
            { "role": "assistant", "content": "我是大模型回答助手" },
            { "role": "user", "content": "你能做什么？" },
        ]
     }'

使用 OpenAI Python SDK

无问芯穹大模型 API 服务支持通过 OpenAI 官方 Python SDK 进行调用。

TIP

部分国产芯片的 API 服务目前尚不能完全兼容 OpenAI Python SDK。

创建客户端

以下示例从环境变量中加载了 API 路径和 API 密钥。

GENSTUDIO_API_KEY ：GenStudio API Key
API_HOST_DOMAIN：GenStudio MxN API 服务域名，为 https://cloud.infini-ai.com
MODEL：模型名称，例如 megrez-3b-instruct
CHIP：芯片，例如 nvidia

python

from openai import OpenAI
import os

API_KEY = os.getenv("GenStudio_API_KEY")
API_HOST_DOMAIN = os.getenv("API_HOST_DOMAIN")
MODEL = os.getenv("MODEL", "megrez-3b-instruct")
CHIP = os.getenv("CHIP", "nvidia")

BASE_URL = f"{API_HOST_DOMAIN}/maas/{MODEL}/{CHIP}"

client = OpenAI(api_key=API_KEY, base_url=BASE_URL)

验证一（流式）

python

stream = client.chat.completions.create(
    model="qwen1.5-72b-chat",
    messages=[{"role": "user", "content": "根据中国古代圣人孔子的思想，人生的意义是什么？"}],
    stream=True,
)
for chunk in stream:
    print(chunk.choices[0].delta.content or "", end="")

孔子认为，人生的意义在于实现“仁”，即以仁爱之心对待他人，追求道德完善，以及实现社会和谐。他强调“修身、齐家、治国、平天下”，认为一个人应该首先修养自身，然后才能管理好家庭，进一步治理好国家，最终达到天下和平。此外，孔子也重视学习和知识，他认为“学而时习之，不亦说乎？”通过不断学习和实践，可以提升自我，接近人生的意义。

验证二（非流式）

python

chat_completion = client.chat.completions.create(
    messages=[
        {
            "role": "user",
            "content": "say '谁是卧底。'",
        }
    ],
    model="qwen1.5-72b-chat",
)

print(chat_completion.choices[0].message.content)

谁是卧底？

使用 Langchain 的 OpenAI 插件

无问芯穹大模型 API 服务支持通过 Langchain 的 OpenAI 插件进行调用。

TIP

部分国产芯片的 API 服务目前尚不能完全兼容 OpenAI 官方格式。

验证一（流式）

以下示例从环境变量中加载了 API 路径和 API 密钥。

GENSTUDIO_API_KEY ：GenStudio API Key
API_HOST_DOMAIN：GenStudio MxN API 服务域名，为 https://cloud.infini-ai.com
MODEL：模型名称，例如 megrez-3b-instruct
CHIP：芯片，例如 nvidia

python

from openai import OpenAI
import os

API_KEY = os.getenv("GenStudio_API_KEY")
API_HOST_DOMAIN = os.getenv("API_HOST_DOMAIN")
MODEL = os.getenv("MODEL", "megrez-3b-instruct")
CHIP = os.getenv("CHIP", "nvidia")

BASE_URL = f"{API_HOST_DOMAIN}/maas/{MODEL}/{CHIP}"

from langchain_openai import ChatOpenAI
from langchain.callbacks.base import BaseCallbackHandler
from typing import Any, Dict, List

# Define a callback handler to process streaming tokens
class StreamHandler(BaseCallbackHandler):
    def on_llm_new_token(self, token: str, **kwargs: Any) -> None:
        print(token, end="", flush=True)

# Initialize the ChatOpenAI model with streaming enabled
llm_streaming = ChatOpenAI(
    openai_api_key=API_KEY, 
    openai_api_base=BASE_URL,
    streaming=True,
    callbacks=[StreamHandler()]  # Pass the callback handler
)

# Define your messages
messages = [
    {"role": "system", "content": "You are a pedantic anticient Chinese scholar, who always answers in Simplified Chinese."},
    {"role": "user", "content": "Tell me a joke."}
]

# Get a response from the chat model
response = llm_streaming.invoke(input=messages)

# Output the response (optional, as it is already printed by the callback)
print("\n\n***********\n\n以下是 LLM 的完整回复:\n\n", response)

有一只深海鱼，每天都自由地游来游去，但它却一点也不开心。因为它压力很大。

***********

以下是 LLM 的完整回复:

content='有一只深海鱼，每天都自由地游来游去，但它却一点也不开心。因为它压力很大。' response_metadata={'finish_reason': 'stop'} id='run-25c3c02b-f027-491b-af88-f3eec5058760-0'

验证二（非流式）

python

from langchain_openai import ChatOpenAI
from typing import Any, Dict, List

# Initialize the ChatOpenAI model with streaming enabled
llm_non_streaming = ChatOpenAI(
    openai_api_key=API_KEY, 
    openai_api_base=BASE_URL,
    streaming=False
)

# Define your messages
messages = [
    {"role": "system", "content": "You are a pedantic anticient Chinese scholar, who always answers in Simplified Chinese."},
    {"role": "user", "content": "Tell me a joke."}
]

# Get a response from the chat model
response = llm_non_streaming.invoke(input=messages)

# Output the response (optional, as it is already printed by the callback)
print("\n\n***********\n\n以下是 LLM 的完整回复:\n\n", response)

***********
    
以下是 LLM 的完整回复:

content='有一只深海鱼，每天都自由地游来游去，但它却一点也不开心。因为它压力很大。' response_metadata={'token_usage': {'completion_tokens': 24, 'prompt_tokens': 36, 'total_tokens': 60}, 'model_name': 'gpt-3.5-turbo', 'system_fingerprint': None, 'finish_reason': 'stop', 'logprobs': None} id='run-48bb7543-1312-4f94-8313-dc3b18b2d87e-0'

GenStudio M×N 推理服务使用教程 ​

什么是 M×N ？ ​

OpenAI API 兼容性 ​

在线体验 M×N ​

开启多模型多芯片体验 ​

大语言模型交互参数配置 ​

获取 M×N API 端点 ​

使用 Curl ​

验证单轮对话（非流式） ​

验证单轮对话（流式） ​

验证多轮对话 ​

使用 OpenAI Python SDK ​

创建客户端 ​

验证一（流式） ​

验证二（非流式） ​

使用 Langchain 的 OpenAI 插件 ​

验证一（流式） ​

验证二（非流式） ​

GenStudio M×N 推理服务使用教程

什么是 M×N ？

OpenAI API 兼容性

在线体验 M×N

开启多模型多芯片体验

大语言模型交互参数配置

获取 M×N API 端点

使用 Curl

验证单轮对话（非流式）

验证单轮对话（流式）

验证多轮对话

使用 OpenAI Python SDK

创建客户端

验证一（流式）

验证二（非流式）

使用 Langchain 的 OpenAI 插件

验证一（流式）

验证二（非流式）