用途：面向在 fal.ai 无服务器基础设施上部署自定义 ML 模型的开发者，覆盖创建 fal.App 类、选择 GPU 机型、配置扩缩容与持久化存储、管理密钥、查看日志等环节。
主要能力：机器类型包括 CPU 及 GPU-T4（16GB）、GPU-A10G（24GB）、GPU-A100（40/80GB）、GPU-H100（80GB）、GPU-H200（141GB）、GPU-B200（192GB），支持 num_gpus 多卡。App 属性含 machine_type、requirements、keep_alive、min_concurrency、max_concurrency。支持 volumes 持久化模型权重、secrets 管理环境变量、多端点、流式响应与错误处理，自动从零扩展到多实例，按使用量计费。
使用方式：先 pip install fal，再 fal auth login 或设置 FAL_KEY。以 fal.App 子类定义 setup() 加载模型、用 @fal.endpoint 注册接口。部署命令为 fal deploy app.py::MyApp，本地运行为 fal run app.py::MyApp，日志用 fal logs <app-id>，密钥用 fal secrets set KEY=value。部署后可通过 Python fal_client、JS @fal-ai/client 或 REST（https://queue.fal.run/...）调用。
适用场景：自定义模型推理、图像生成、文本生成与流式输出、多模态多端点服务等。
限制：具体价格与 GPU 费率以 https://fal.ai/pricing 为准；并发建议依显存而定；部分高级模式示例未涵盖全部生产细节。