一种高效、便捷的部署方式。

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。

01 ｜

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

02｜

模型选择和服务部署配置

——

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、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

03｜

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

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！