Équilibreur de charge et plateforme de service LLM/VLM open-source pour l'auto-hébergement de LLM (et VLM) à grande échelle 🏓🦙 Alternative à des projets comme llm-d, Docker Model Runner, etc. mais avec moins de pièces mobiles et des déploiements simples construits autour de l'écosystème ggml. Fonctionne sur CPU et GPU.
Exécutez et gérez des modèles de langage de grande taille sur vos propres serveurs pour la confidentialité et le contrôle.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentÉquilibreur de charge et plateforme de service LLM/VLM open-source pour l'auto-hébergement de LLM (et VLM) à grande échelle 🏓🦙 Alternative à des projets comme llm-d, Docker Model Runner, etc. mais avec moins de pièces mobiles et des déploiements simples construits autour de l'écosystème ggml. Fonctionne sur CPU et GPU.
paddler compte 1.6k étoiles sur GitHub. Il a été forké 92 fois. paddler est écrit principalement en Rust. Il est développé activement depuis 2024. paddler est disponible sous licence Apache-2.0. Ses principaux thèmes sont : ai, llamacpp, llm, llmops.
Équilibreur de charge et plateforme de service LLM/VLM open-source pour l'auto-hébergement de LLM (et VLM) à grande échelle 🏓🦙 Alternative à des projets comme llm-d, Docker Model Runner, etc. mais avec moins de pièces mobiles et des déploiements simples construits autour de l'écosystème ggml. Fonctionne sur CPU et GPU.
paddler est un projet open source. Il est distribué sous licence Apache-2.0.
Oui. paddler est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
paddler est disponible sous licence Apache-2.0.
paddler est écrit principalement en Rust.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/intentee-paddler.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.