Início Projetos cube-studio
cube-studio
ai

cube-studio

cube studio é uma plataforma de aprendizado de máquina/deep learning/modelos grandes nativa da nuvem de código aberto, fluxo completo de algoritmos mlops, plataforma de aluguel de poder computacional, desenvolvimento online de notebook, orquestração de fluxo de tarefas arrastando e soltando, treinamento distribuído em múltiplas máquinas e placas, busca de hiperparâmetros, serviços de inferência de virtualização VGPU, computação de borda, plataforma de rotulagem com rotulagem automatizada, ajuste fino de grandes modelos sft/ modelos de recompensa/aprendizado por reforço, inferência de múltiplas máquinas de grandes modelos vllm/ollama/mindie, repositório de conhecimento privado, mercado de modelos de IA, suporte a cpu/gpu/npu nacionais, ecossistema Ascend, suporte a RDMA, suporte a pytorch/tf/mxnet/deepspeed/paddl

por tencentmusic · GitHub
Estrelas
Forks
Criado
Último commit
Categoria
Provável
Auto-hospedável
aiaihubargoAuto-hospedável
Ver no GitHub
Em palavras simples

Use uma plataforma baseada em nuvem para projetos de aprendizado de máquina e aprendizado profundo com ferramentas para treinamento e desenvolvimento.

Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
cube-studio — GitHub preview card
📈 Histórico de estrelas
5.07k5.06k
2026-07-042026-08-31
📈 Acompanhe cube-studio

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

cube studio é uma plataforma de aprendizado de máquina/deep learning/modelos grandes nativa da nuvem de código aberto, fluxo completo de algoritmos mlops, plataforma de aluguel de poder computacional, desenvolvimento online de notebook, orquestração de fluxo de tarefas arrastando e soltando, treinamento distribuído em múltiplas máquinas e placas, busca de hiperparâmetros, serviços de inferência de virtualização VGPU, computação de borda, plataforma de rotulagem com rotulagem automatizada, ajuste fino de grandes modelos sft/ modelos de recompensa/aprendizado por reforço, inferência de múltiplas máquinas de grandes modelos vllm/ollama/mindie, repositório de conhecimento privado, mercado de modelos de IA, suporte a cpu/gpu/npu nacionais, ecossistema Ascend, suporte a RDMA, suporte a pytorch/tf/mxnet/deepspeed/paddl

cube-studio tem 5.1k estrelas no GitHub. Foi bifurcado 885 vezes. Está em desenvolvimento ativo desde 2021. Os seus principais temas são: ai, aihub, argo, automl.

Frequently asked questions

O que é cube-studio?

cube studio é uma plataforma de aprendizado de máquina/deep learning/modelos grandes nativa da nuvem de código aberto, fluxo completo de algoritmos mlops, plataforma de aluguel de poder computacional, desenvolvimento online de notebook, orquestração de fluxo de tarefas arrastando e soltando, treinamento distribuído em múltiplas máquinas e placas, busca de hiperparâmetros, serviços de inferência de virtualização VGPU, computação de borda, plataforma de rotulagem com rotulagem automatizada, ajuste fino de grandes modelos sft/ modelos de recompensa/aprendizado por reforço, inferência de múltiplas máquinas de grandes modelos vllm/ollama/mindie, repositório de conhecimento privado, mercado de modelos de IA, suporte a cpu/gpu/npu nacionais, ecossistema Ascend, suporte a RDMA, suporte a pytorch/tf/mxnet/deepspeed/paddl

cube-studio é de código aberto?

cube-studio é um projeto de código aberto.

cube-studio é gratuito?

Sim. cube-studio é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

🏅 Mantenedor deste projeto?
olud.ai badge — cube-studio

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=tencentmusic-cube-studio)](https://olud.ai/project/tencentmusic-cube-studio.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.