Comment Decagon utilise Modal
Decagon utilise l'infrastructure de Modal pour entraîner de petits modèles open source par fine-tuning et apprentissage par renforcement, puis les déployer pour l'IA vocale en temps réel. L'équipe d'inférence de Modal a également conçu un modèle draft sur mesure et un ordonnanceur asynchrone pour le décodage spéculatif dans SGLang, afin de réduire la latence.
Voir la preuve capturéeL’usage : comment Decagon déploie Modal
Decagon uses Modal's infrastructure to train compact open-source models with fine-tuning and reinforcement learning, and to serve them for real-time voice AI. Modal's inference team also built a custom draft model and an asynchronous scheduler for speculative decoding in SGLang to reduce latency.
Autres résultats publiés
Chiffres publiés par Decagon sur sa propre page. usedby ne les mesure pas de façon indépendante.
The resulting draft model achieved 38% higher accept lengths than open-source baselines, unlocking a major leap in inference efficiency.
These changes completely eliminated idle time on H200 GPUs and improved throughput by up to 12%.
Les autres outils IA utilisés par Decagon
Autres relations publiques recensées sur usedby.
Explorer la stack IA de DecagonLes clients de Modal dans le secteur Intelligence artificielle
Des entreprises du même secteur, avec une preuve publique.
Voir tous les clients de ModalConsulter la source
Cette synthèse repose sur la page où Decagon décrit son usage de Modal. Nous vérifions la preuve publique ; les résultats sont ceux rapportés par l’entreprise.
decagon.ai- Source publiée
- 5 nov. 2025
- Dernière vérification
- 17 nov. 2026
Ouvrir la capture Ce que dit le témoignage, et ce que nous avons vérifié
Ce que nous avons comparé à la page.
- Le chiffre : 65%Vérifié
Imprimé mot pour mot sur la page, près du nom de Decagon.
- L’extrait cité plus hautVérifié
Copié mot pour mot depuis la page, près du nom de Decagon.
- La date de publicationVérifié
Lue dans les métadonnées de la page, jamais devinée.
- Decagon utilise ModalVérifié
Ligne de niveau Confirmé.
- Le résultat lui-mêmeNon vérifié
Nous le citons ; nous ne l’avons pas mesuré.
Modal's infrastructure powered this progress, enabling Decagon to train and serve increasingly capable models while scaling seamlessly to meet rapidly growing traffic.












