Modal ejecuta cargas de trabajo de CPU y GPU definidas en Python en la nube. Sirve modelos, entrena con GPU o lanza trabajos por lotes con capacidad que se adapta a la demanda y registros de uso.
Modal es una infraestructura en la nube para desarrolladores que ejecutan cargas de trabajo de inferencia de modelos, entrenamiento, procesamiento por lotes y agentes. Define tu aplicación, sus dependencias y el hardware mediante el SDK de Python de Modal; Modal empaqueta el código en contenedores, lo ejecuta en la nube y adapta la capacidad de los contenedores a la demanda.
Para empezar, crea una cuenta, instala el paquete de Modal y autentícate con la CLI. Define una carga de trabajo y su entorno; después, ejecútala de forma remota o despliega una función como punto de conexión HTTPS. El espacio de trabajo muestra registros y métricas para inspeccionar las ejecuciones. Para usar GPU, debes tener registrado un método de pago válido, incluso si piensas utilizar los créditos de cómputo incluidos.
Describe en Python el entorno de contenedor de una función y sus requisitos de CPU/GPU. Modal gestiona la capacidad subyacente y la ejecución de los contenedores, sin que tengas que configurar un clúster aparte.
Sirve modelos de pesos abiertos o pilas de modelos personalizadas, ejecuta trabajos de ajuste fino y aprendizaje por refuerzo, o utiliza capacidad de GPU de uno o varios nodos para investigación.
Distribuye el trabajo entre contenedores paralelos, lanza trabajos por lotes asíncronos o expón una función como punto de conexión HTTPS cuya capacidad se adapta al tráfico y puede reducirse a cero.
Crea entornos aislados para agentes de programación u otras ejecuciones de código, con imágenes personalizadas y opciones de instantánea y restauración. Consulta los registros y las métricas de funciones, entornos aislados y contenedores para depurar la carga de trabajo.
Aporta tu pila de inferencia y conéctala a una aplicación mediante un punto de conexión en la nube, para que la capacidad de cómputo se adapte al volumen variable de solicitudes.
Utiliza trabajos con GPU para ajuste fino o entrenamiento, y funciones paralelas para preprocesamiento, evaluaciones y procesamiento por lotes.
Ejecuta comandos generados por agentes o tareas de despliegue dentro de entornos aislados creados mediante programación; después, examina los resultados y los registros en el espacio de trabajo.
Starter no tiene cuota mensual e incluye 30 USD de cómputo al mes, hasta tres usuarios en el espacio de trabajo, 100 contenedores y 10 GPU simultáneas. El uso de cómputo que supere la asignación y los servicios no incluidos en el plan se facturan aparte. Para usar GPU se requiere un método de pago válido.
El cómputo incluido cubre Functions, Sandboxes y Notebooks que usan CPU, memoria y tiempo de GPU. Desde el 1 de septiembre de 2026, Shared Endpoints han quedado excluidos de esa asignación y se cobran por token desde la primera solicitud.
La facturación incluye la carga de la aplicación, el procesamiento de entradas y el período configurable de calentamiento tras la última entrada, que es de 60 segundos de forma predeterminada. Los cargos de cómputo se detienen cuando la aplicación reduce a cero el número de contenedores. La facturación de CPU/memoria se basa en el valor mayor entre los recursos solicitados y los utilizados; el almacenamiento, la salida de datos y los servicios por token tienen sus propias tarifas.
Team cuesta 250 USD al mes más el cómputo e incluye 100 USD en créditos mensuales de cómputo, usuarios ilimitados y mayor concurrencia. Enterprise ofrece precios personalizados. El cómputo que exceda los créditos incluidos y los servicios no cubiertos por estos se facturan por separado.
Crea una cuenta, instala y autentica el SDK de Python, y define una carga de trabajo en contenedores con sus dependencias y hardware. Tú aportas la lógica de la aplicación y la pila del modelo. Modal aloja la ejecución; su guía ofrece ejemplos de inferencia, entrenamiento, trabajos por lotes y entornos aislados.
Los datos de tráfico son solo como referencia.
runpod.io
Infraestructura en la nube con GPU para que los equipos de IA desarrollen y ajusten modelos, ejecuten inferencias con escalado automático y procesen cargas de trabajo por lotes.
hyperbolic.xyz
Nube abierta de GPU e IA para implementar capacidad H100, H200, B200 y otras GPU bajo demanda, con opciones para experimentar, entrenar, ajustar, inferir y ejecutar cargas de producción.
www.hyperstack.cloud
Plataforma de GPU en la nube para ejecutar cargas de trabajo de IA y aprendizaje automático, con entrenamiento, inferencia, análisis de datos y desarrollo de modelos.
sambanova.ai
Plataforma de inferencia de IA para ejecutar modelos abiertos de gran tamaño y cargas de trabajo con agentes, en la nube o en infraestructura propia.
nebius.com
Nebius AI Cloud es una plataforma en la nube diseñada específicamente para desarrollar, entrenar y ofrecer cargas de trabajo de inteligencia artificial.
parasail.io
Parasail es una nube de inferencia para startups de IA nativa que ofrece acceso a modelos abiertos y de frontera mediante una API compatible con OpenAI, con opciones de implementación sin servidor, elástica, dedicada y por lotes.
