Modalは、クラウドでPythonコードを実行するためのサーバーレスプラットフォームです。GPUへの即時アクセス、自動スケーリング、従量課金制を提供します。インフラを管理することなく、MLモデルをデプロイし、バッチ処理ジョブを実行し、APIを提供できます。
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「modal」を使用しています。 GPUでHuggingFaceモデルを使用したテキストを要約するPython関数をデプロイ
期待される結果:
- ✓ L40S GPUアクセス付きModalアプリを作成
- ✓ transformersとtorchでコンテナイメージをビルド
- ✓ テキスト要約用のウェブエンドポイントをデプロイ
- ✓ エンドポイントが https://your-app.modal.run で利用可能です
「modal」を使用しています。 1000枚の画像を並列処理するバッチジョブを実行
期待される結果:
- ✓ 4 CPUコアと8GBメモリのワーカー関数を作成
- ✓ 50コンテナにわたる並列処理を構成
- ✓ 約8分で1000枚の画像を処理
- ✓ 結果をModal Volumeの /data/output/ に保存
「modal」を使用しています。 午夜に毎日のモデル再トレーニングをスケジュール
期待される結果:
- ✓ cron式 '0 0 * * *' でスケジュール関数を作成
- ✓ トレーニング計算用にGPU（A100）を構成
- ✓ API認証情報のためにシークレット管理をセットアップ
- ✓ トレーニングログがModalダッシュボードで利用可能
セキュリティ監査
安全This is a documentation-only skill for Modal, a legitimate serverless cloud computing platform. All 572 static findings are FALSE POSITIVES. The scanner misinterprets Markdown documentation code examples as executable code. Patterns flagged include CLI commands in documentation (modal run, modal deploy), environment variable documentation, and legitimate Modal API patterns. No malicious code, credential exfiltration, or actual security vulnerabilities exist. This skill contains only documentation files teaching users how to properly use the Modal platform.
リスク要因
⚙️ 外部コマンド (6)
🌐 ネットワークアクセス (3)
📁 ファイルシステムへのアクセス (3)
品質スコア
作れるもの
推論用のMLモデルをデプロイ
GPUアクセラレーションと可変トラフィックの自動スケーリングを備えた、本番環境にトレーニングされたモデル（LLM、画像分類器など）をデプロイします。
バッチ処理ジョブを実行
複数のコンテナで大規模なデータセットを並列処理します。数千のファイルまたはデータ行を同時に処理します。
GPUコンピューティングタスクを実行
H100またはA100 GPUで計算集約的な研究タスクを実行します。トレーニングジョブや長時間計算をスケジュールします。
これらのプロンプトを試す
L40S GPUでPython関数を実行するModalアプリを作成します。関数はHuggingFaceモデルをロードし、予測を返す必要があります。torchとtransformersがインストールされた適切なコンテナイメージを使用してください。
CSVファイルを並列処理するModal関数をセットアップします。関数はS3バケットからファイルを読み取り、変換を適用し、結果を保存する必要があります。複数のコアを持つCPU並列処理を使用してください。
毎日午前2時に実行されるModalスケジュール関数を作成します。関数はAPIからキャッシュされたデータを更新し、Modal Volumeに��存されているモデルweigを更新する必要があります。
入力データを受け取るPOSTリクエストを受け付けるModalウェブエンドポイントを構築します。エンドポイントはデプロイされたモデルを使用して推論を実行し、予測を返す必要があります。適切なエラーハンドリングと認証を含めること。
ベストプラクティス
- 再現可能なビルドとデプロイを確保するために、画像定義ですべてのPythonパッケージバージョンを固定する
- 認証情報漏洩を防ぐため、異なる環境（開発、ステージング、本番）ごとに個別のModal Secretsを使用する
- レイテンシに敏感なエンドポイントのコールドスタートレイテンシを削減するために、適切なmin_containersを構成する
回避
- Modal Secretsを使用する代わりに、APIキーや認証情報を関数コードに直接ハードコーディングする
- コンテナスタートアップを遅くするため、依存関係をモジュールスコープでインポートし、関数本体の内部ではなく配置する
- コンテナ間の並列実行のために.map()を使用する代わりに、バッチ処理に順次ループを使用する