Modal

Modal 是一个带专用 Sandbox API 的 serverless 云平台，用于执行不可信的用户或智能体代码。它是 Python 原生的——你用代码定义容器，它从零自动伸缩，想要 GPU 时就有 GPU。Sandbox API 把同一套机制暴露为"运行时定义容器并在其中执行任意命令"，让 Modal 成为同时需要推理、批处理或 GPU 算力的智能体负载的理想选择。

核心功能

• Sandbox API：运行时定义容器并执行任意命令——为智能体工具调用与代码执行而生。
• gVisor 隔离：Google 的用户态内核拦截系统调用——强于普通容器、薄于完整 microVM。
• 超大规模：最高 100K+ 并发沙箱；累计运行 10 亿+ 沙箱；Lovable 曾在 48 小时内跑 100 万沙箱。
• GPU 接入：T4 至 B200，按秒计费——OpenAI Agents SDK 中唯一支持 GPU 加速的 Provider。
• 自动归零：空闲时计算费用归零；活跃计算按秒计费。
• 持久化原语：分布式卷、文件系统/内存快照、队列、分布式字典，服务有状态智能体。
• 计算即代码：Python 装饰器定义函数、任务与沙箱——基础设施就在你的仓库里。
• 广泛集成：LangGraph、OpenAI Agents SDK，以及 Python/TypeScript/Go SDK。

适用场景

谁应该使用这个工具？

• AI 平台团队：已用 Modal 做推理或批处理、希望在同一平台获得沙箱化智能体执行的团队。
• GPU 重型智能体构建者：需要在沙箱内做本地模型推理、RL 训练或图像生成的智能体。
• 高并发产品：必须运行百万级沙箱的 Vibe Coding 平台与智能体产品。

解决的问题

1. 厂商碎片化：一个平台覆盖推理、批处理、GPU 与智能体沙箱，而非多家厂商。
2. 空闲成本：自动归零计费意味着智能体等待时不用付费。
3. GPU 稀缺：宽泛的 GPU 接入（T4-B200），无云厂商配额摩擦。

定价方案

计费按秒且分项：CPU 按核-秒、内存按 GiB-秒、GPU 另计。

优势对比

相比竞品的优势：

1. 一个计算故事：沙箱与推理、批处理、GPU 同处一平台——无需第二家厂商。
2. GPU 原生：T4 至 B200 按秒计费；OpenAI Agents SDK 中唯一 GPU 加速沙箱。
3. 活跃计算计费：自动归零让突发交互式智能体只付墙上时钟竞品的一小部分。

独特卖点：

• $355M C 轮、估值 $4.65B（2026 年 5 月），年化收入约 $300M。
• "计算即代码"——基础设施用 Python 定义在你的仓库中。
• 生产中累计运行 10 亿+ 沙箱。

快速开始

入门指南

1. 安装：pip install modal 并注册账户。
2. 定义应用：在 Python 中使用 modal.App() 与 modal.Image。
3. 运行沙箱：with modal.Sandbox.create(image=img) as sbx: sbx.exec("echo hello")。
4. 挂载 GPU：在镜像或沙箱规格中设置 gpu="A100"。

集成

无缝集成以下工具：

• OpenAI Agents SDK、LangGraph 等智能体框架
• Python、TypeScript、Go SDK
• 现有 Modal 推理与批处理负载

常见问题

Modal 开源吗？

平台是托管 SaaS——无自托管或 BYOC 选项。

隔离强度如何？

gVisor 在用户态拦截系统调用，是真实的边界但属于软件层——薄于完整 microVM。

沙箱内能用 GPU 吗？

能——T4 至 B200 按秒计费，适合沙箱内模型推理或 RL 训练。

替代方案

如果 Modal 不合适，可以考虑：

• E2B：为智能体代码执行而生的 Firecracker microVM 隔离。
• Daytona：带电脑使用的持久完整开发环境。
• Cloudflare Computer：Durable Object 持久化的边缘原生隔离环境。

使用技巧

1. 自己建模计费：按秒分项定价意味着要估算自己的用量，而非轻信标价。
2. 有状态智能体用快照：文件系统/内存快照带来约 10 倍更快的重启。
3. 自动归零：空闲沙箱停止计费——仅在延迟敏感时保持热启动。

总结

Modal 是沙箱与真实算力同行的 serverless 平台——GPU 接入、自动归零、按秒计费，全部在一个 Python 原生系统中。如果你的智能体需要 GPU，或你已在用 Modal 做推理，Sandbox API 是经过规模验证的自然延伸。