@aiuby-ia/cli 0.5.0 → 0.5.2

package/dist/aiuby.mjs

@@ -20485,6 +20485,7 @@ var noControl = (v) => !CONTROL_CHARS.test(v);
 var ENV_NAME = /^[A-Z_][A-Z0-9_]{0,63}$/;
 var RESERVED_ENV = /* @__PURE__ */ new Set(["PORT", "K_SERVICE", "K_REVISION", "K_CONFIGURATION"]);
 var MAX_ENV_VARS = 50;
+var MAX_ARGS = 30;
 var IMAGE_REF = /^(?!.*\/\/)[A-Za-z0-9][A-Za-z0-9._\-/:@]*$/;
 var HardwareRequest = external_exports.object({
   /** `any`: o planejador escolhe entre os provedores habilitados. */
@@ -20499,6 +20500,8 @@ var AppConfig = external_exports.object({
   runtime: external_exports.enum(["container", "python"]),
   image: external_exports.string().min(1).max(300).regex(IMAGE_REF, "image precisa ser uma refer\xEAncia de imagem de container, sem espa\xE7os").nullable().default(null),
   entrypoint: external_exports.string().min(1).max(300).refine(noControl, "entrypoint n\xE3o aceita caracteres de controle").nullable().default(null),
+  /** Argumentos do processo da imagem (substituem o `CMD`). Vazio: vale o que a imagem define. */
+  args: external_exports.array(external_exports.string().min(1).max(300).refine(noControl, "args n\xE3o aceita caracteres de controle")).max(MAX_ARGS, `no m\xE1ximo ${MAX_ARGS} argumentos`).default([]),
   port: external_exports.number().int().min(1).max(65535).default(8080),
   /**
    * Variáveis de ambiente da aplicação. Ficam na configuração, visíveis a quem vê a
@@ -20634,7 +20637,7 @@ async function appsStatus(io, args) {
   });
 }
 var brl = (microBrl) => (microBrl / 1e6).toLocaleString("pt-BR", { style: "currency", currency: "BRL" });
-var paidLine = (paid) => `Tamanho ${paid.sizeName}${paid.priceMicroBrlPerHour !== null ? `: ${brl(paid.priceMicroBrlPerHour)} por hora em uso` : ""}.`;
+var paidLine = (paid) => `Tamanho ${paid.sizeName}${paid.priceMicroBrlPerHour !== null ? `: ${brl(paid.priceMicroBrlPerHour)} ${paid.unit === "hour_started" ? "por hora iniciada de inst\xE2ncia ligada" : "por hora em uso"}` : ""}.`;
 var fetchDeployment = (io, stored, slug) => apiGet(stored, `/api/platform/compute/apps/${encodeURIComponent(slug)}/deployments`, io.fetcher);
 var when = (iso) => new Date(iso).toLocaleString("pt-BR", { dateStyle: "short", timeStyle: "short" });
 function printDeployment(io, d) {
@@ -20704,7 +20707,7 @@ async function billing(io) {
     io.out(`Compute no m\xEAs:   ${brl(data.monthSpendMicroBrl)}`);
     io.out(`Teto do workspace: ${data.budgetMicroBrl === null ? "n\xE3o definido (dono ou admin define na tela do Compute)" : brl(data.budgetMicroBrl)}`);
     io.out("");
-    table(io, ["TAMANHO", "VCPU", "MEM\xD3RIA", "PRE\xC7O POR HORA EM USO"], data.sizes.map((s) => [s.name, String(s.cpu), `${s.memoryMb} MB`, s.priceMicroBrlPerHour === null ? "-" : brl(s.priceMicroBrlPerHour)]));
+    table(io, ["TAMANHO", "VCPU", "MEM\xD3RIA", "REGI\xC3O", "PRE\xC7O"], data.sizes.map((s) => [s.name, String(s.cpu), `${s.memoryMb} MB`, s.region ?? "S\xE3o Paulo", s.priceMicroBrlPerHour === null ? "-" : `${brl(s.priceMicroBrlPerHour)} ${s.unit === "hour_started" ? "por hora iniciada" : "por hora em uso"}`]));
   });
 }
 async function usage(io, args) {
@@ -20771,7 +20774,9 @@ async function appsUpdate(io, args) {
   const app = readAppFile(io, file2);
   const stored = requireLogin();
   const current = await apiGet(stored, `/api/platform/compute/apps/${encodeURIComponent(app.slug)}`, io.fetcher);
-  const latest = current.revisions.find((r) => r.revision === current.currentRevision)?.config;
+  const stored_ = current.revisions.find((r) => r.revision === current.currentRevision)?.config;
+  const normalized = stored_ ? AppConfig.safeParse(stored_) : null;
+  const latest = normalized?.success ? normalized.data : stored_;
   if (latest && JSON.stringify(sortKeys(latest)) === JSON.stringify(sortKeys(app.config))) {
     emit(io, { id: current.id, slug: current.slug, revision: current.currentRevision, changed: false }, () => io.out(`Sem mudan\xE7a: ${current.slug} j\xE1 est\xE1 com essa configura\xE7\xE3o (r${current.currentRevision}).`));
     return;
@@ -20836,7 +20841,7 @@ var notYet = (command) => async () => {
 };
 
 // src/main.ts
-var VERSION = "0.5.0";
+var VERSION = "0.5.2";
 var HELP = `aiuby ${VERSION} \u2014 linha de comando do AIUBY Compute
 
 Uso: aiuby <comando> [op\xE7\xF5es]

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@aiuby-ia/cli",
-  "version": "0.5.0",
+  "version": "0.5.2",
   "description": "Linha de comando do AIUBY Compute",
   "type": "module",
   "bin": {

package/templates/hf-stable-diffusion/Dockerfile

@@ -1,6 +1,6 @@
 # Geração de imagem com um modelo de difusão do Hugging Face. O modelo é baixado na primeira
 # subida: escolha um cuja licença permita o seu uso e que caiba na memória da GPU pedida.
-FROM pytorch/pytorch:2.5.1-cuda12.4-cudnn9-runtime
+FROM pytorch/pytorch:2.7.1-cuda12.6-cudnn9-runtime
 WORKDIR /app
 COPY requirements.txt .
 RUN pip install --no-cache-dir -r requirements.txt

package/templates/vllm-openai/Dockerfile

@@ -1,6 +1,7 @@
-# Servidor compatível com a API da OpenAI sobre vLLM. O modelo é baixado na subida:
+# Opcional: o aiuby.toml já usa a imagem oficial do vLLM com o modelo nos argumentos. Use este
+# Dockerfile só se quiser uma imagem própria (por exemplo, com o modelo fixo). O modelo é baixado na subida:
 # escolha um que caiba na memória da GPU pedida e cuja licença permita o seu uso.
 FROM vllm/vllm-openai:latest
-ENV MODEL_ID="Qwen/Qwen2.5-1.5B-Instruct"
+ENV MODEL_ID="microsoft/Phi-3-mini-4k-instruct" HF_HOME="/tmp/hf"
 EXPOSE 8080
 ENTRYPOINT ["/bin/sh", "-c", "python3 -m vllm.entrypoints.openai.api_server --model \"$MODEL_ID\" --host 0.0.0.0 --port 8080"]

package/templates/vllm-openai/aiuby.toml

@@ -1,12 +1,17 @@
-# Inferência compatível com OpenAI em GPU. Valide com: aiuby config validate
+# Inferência compatível com OpenAI em GPU, com a imagem oficial do vLLM e o Phi-3 mini.
+# Não precisa construir imagem: os argumentos escolhem o modelo. Valide com: aiuby config validate
 name = "Inferência vLLM"
 slug = "inferencia-vllm"
 
 [config]
 runtime = "container"
-image = "REGISTRO/inferencia-vllm:1"
+image = "docker.io/vllm/vllm-openai:latest"
+args = ["--model", "microsoft/Phi-3-mini-4k-instruct", "--host", "0.0.0.0", "--port", "8080", "--max-model-len", "4096"]
 port = 8080
 
+[config.env]
+HF_HOME = "/tmp/hf"
+
 [config.hardware]
 provider = "gcp"
 cpu = 4