infrai

Unternehmensdaten

Offizieller Name

Calf Technology Pte. Ltd.

Einheitentyp

COMPANY

Hauptsitz

Singapore

Marktrolle

B2B SaaS Provider

Offizielle Website

infrai.cc

Was infrai macht

Das Unternehmen aggregiert und betreibt Backend-Infrastruktur hinter einer einheitlichen API-Schicht. Die Wertschöpfung entsteht durch die Abstraktion verschiedener Backend-Anbieter in einer konsistenten Benutzeroberfläche, die das Routing, Failover, Preistransparenz sowie die konsolidierte Abrechnung übernimmt. Dies reduziert den Entwicklungsaufwand auf Kundenseite, verkürzt die Integrationszeit und minimiert die Wechselbarrieren zwischen den zugrunde liegenden Providern. Die Umsätze generieren sich aus der nutzungsabhängigen Plattformnutzung (Metered Usage) und kostenpflichtigen Tarifen für die verwaltete Datenbank-Infrastruktur.

Strategische Einordnung

KI-gestützte Einordnung aus der bestehenden Unternehmensrecherche; Interpretation und belegte Fakten sind zu unterscheiden.

Calf Technology Pte. Ltd. betreibt mit infrai eine entwicklerfokussierte B2B-SaaS-Plattform, die mehrere Backend-Dienste über eine einzige REST-API, einen gemeinsamen Authentifizierungsschlüssel, eine Wallet und eine konsolidierte Abrechnung bereitstellt. Die Plattform standardisiert Aufrufe über die zugrunde liegenden Drittanbieter hinweg, macht Preis-Metadaten pro Aufruf transparent und unterstützt automatisches Failover, falls ein Upstream-Provider an Leistung verliert oder Rate-Limiting anwendet. Das Produktportfolio umfasst Backend-Module wie KI, E-Mail, Storage, Analytics, Authentifizierung, Datenbanken und Observability. Zudem wird ein verwaltetes Postgres-Produkt angeboten, das direkt in dieselbe API- und Abrechnungsschicht integriert ist.

Geschäftsmodell und Monetarisierung

infrai nutzt ein hybrides Geschäftsmodell. Die Kernnutzung der Plattform wird auf Pay-per-Use-Basis pro API-Aufruf abgerechnet, ergänzt durch transparente Kosten-Metadaten und ein Wallet-basiertes Ausgabenmanagement. Kunden laden eine Wallet auf und bezahlen die tatsächlich verbrauchten Backend-Operationen über die integrierten Anbieter hinweg. Zusätzlich wird die verwaltete Datenbank-Infrastruktur über dedizierte Tarife (wie Hobby, Pro und Scale) vertrieben. Ein kostenloser Einstiegstarif (Free Tier) fördert die Self-Service-Adoption vor dem Übergang in die kostenpflichtige Produktion.

Backend-API-Nutzungsgebühren

Pay-per-Use

Managed Postgres-Infrastrukturtarife

Software-Abonnement

Kostenlose Einstiegsstufe für Onboarding

Keine Angabe

Produkte und Fähigkeiten

Für diese Ansicht liegen keine Produkte mit zugeordneten Quellen vor.

Produkte und Marktkategorien

Zuletzt erfasste Signale

Datumsangaben beziehen sich auf die Quellenveröffentlichung. Ältere Einträge sind historischer Kontext, kein Beleg für ein neues Ereignis.

• SMS Delivery Status Polling for Waitlist Outage Alerts

  2026-08-27dev.to

  SMS delivery and status polling for outage alerts · Erfasster Impact-Score: 1/5

  The article advises that teams should only rely on an SMS API for critical outage alerts if their backend can poll delivery status and own retry, escalation, cancellation, and timing logic. Delivery reliability and timing constraints drive the design: define service-level objectives, record four reliability invariants (application-owned send IDs, bounded/idempotent retries, defined next actions per delivery state, and incident recovery that suppresses obsolete alerts), and treat providers as transport adapters. The author shortlists Twilio, Vonage, Sinch, and Infrai for evaluation, provides load-testing guidance, and includes a runnable Python example that polls SMS status, honors Retry-After, and applies backoff. The recommended architecture keeps durable incident state in the application and makes provider polling a replaceable adapter.

  • Choose an SMS API for critical outage alerts only if the backend can poll delivery status and implement retry, escalation, cancellation, and timing logic.
  • Four reliability invariants: application-owned identifier per send; bounded and idempotent retries; every delivery state must map to a defined next action; incident recovery must stop obsolete alerts.

• Backend-Owned SMS OTP: Cooldowns and Attempt Caps

  2026-08-24dev.to

  Identity · Erfasster Impact-Score: 2/5

  This technical blog post explains best practices for implementing passwordless phone logins using SMS OTPs in an Express/Node.js backend. It argues that the backend must own resend cooldowns, verification attempt counters, and anti-abuse policies (not the client), model the authentication state machine (ready → code_sent → verified/expired/locked), persist minimal authoritative state, use atomic database transitions, emit single transition events for observability, and use idempotency keys and retry/backoff handling when calling providers. Provider choices (Twilio, Firebase, Auth0, Amazon SNS, Infrai) are discussed with trade-offs between managed verification and owning template/state-machine responsibilities.

  • The article recommends the Express/Node.js backend should own SMS OTP resend cooldowns, maximum verification attempts, and anti-abuse counters rather than trusting the client.
  • Designs should expose explicit states: send-code, verify-code, resend-code, and lockout; persist minimal authoritative state (challenge ID, phone identity, expiry, next-send time, counters, lockout).

• Bulk LLM Text Classification with Tenant Chargeback

  2026-08-18dev.to

  Large Language Models (LLM) & AI · Erfasster Impact-Score: 3/5

  The article recommends treating tenant accounting as the primary artifact when performing bulk CSV moderation with LLMs: create a tenant-owned job with stable row IDs, estimate costs before submission, submit asynchronous batch classification (preferably chat classification with a closed label set), and attach returned results and export references to the same tenant ledger for reconciliation. The author provides an example TypeScript batch submission pattern (idempotency derived from the validated request, bounded retries, handling 429), argues for allocating costs at the job boundary and reconciling at the row level, and discusses when to call providers directly (Infrai, OpenAI, Anthropic, Google Gemini) versus renting batch execution.

  • Author recommends asynchronous chat classification with a closed label set and using a tenant ledger as the primary artifact for billing and reconciliation.
  • Pattern: create a tenant-owned job with a stable ID per accepted CSV row, show an estimate before submission, persist the provider batch identifier, then reconcile results and costs back to the job and rows.

• Feature Flags API: React Polling with Defensive Defaults

  2026-08-15dev.to

  Infrastructure · Erfasster Impact-Score: 2/5

  Technical guidance recommending a polled feature-flags API as a configuration source for a React support console, with compiled fallback defaults in the frontend and a backend adapter that owns sensitive decisions (authorization, billing, retries). The author outlines invariants (defaults-first, monotonic safety, bounded staleness), client polling patterns (initialize from immutable defaults, single provider per tab, jittered intervals), error handling (backoff, honor Retry-After, preserve prior snapshot on malformed responses), and compares candidate flag providers (Infrai, LaunchDarkly, ConfigCat, Unleash) while advising separate observability tooling (Sentry, Datadog, Grafana) and providing a runnable Python backend adapter example.

  • Use a feature-flags API polled by the React frontend with compiled synchronous defaults and periodic refresh; never treat client flags as authority for sensitive actions.
  • Server-side systems must retain authorization, billing, retries, and other sensitive decisions; hiding UI controls is not equivalent to authorization.

• Multimodal Chat for Image Upload Moderation

  2026-08-05dev.to

  Image Moderation · Erfasster Impact-Score: 3/5

  A technical guide demonstrating how to build explainable image-upload moderation using vision-capable chat models and a strict JSON schema. The article recommends owning the policy-to-schema mapping, storing raw model decisions alongside a normalized status (allow/review/block), and running careful, cost-aware evaluations (false negatives on blocked content prioritized). It compares integration shapes (Infrai, OpenAI, Google Gemini, Anthropic, Amazon Rekognition), explains failure-policy design, and provides a Python example that posts a base64 data-URL image to a chat completions endpoint with a required json_schema response format.

  • The author recommends using a vision-capable chat model plus a strict JSON schema and schema validation when policy needs explainable labels for uploaded images.
  • Recommended moderation categories in the example are: nudity, graphic violence, hate symbols, drugs, and minors-risk.

Unternehmensbeziehungen vertiefen

• Wettbewerber und Alternativen
• Eigentumsverhältnisse
• Ähnliche Unternehmen

Fragen zu infrai

Quellen und Datenabdeckung

Mit infrai weiterarbeiten

Explorer bietet zusätzliche Unternehmensdetails, eine Watchlist für bis zu 25 Unternehmen und einen automatisch eingerichteten Strategic Intelligence Agent. Das Monitoring läuft standardmäßig täglich; ein Briefing entsteht nur bei relevanten neuen Ergebnissen.

Kostenlos und ohne zeitliche Begrenzung.