Repolode
Enviar
dstackai

dstackai/dstack

Plano de control open source que aprovisiona y orquesta recursos de cómputo con GPU para entrenamiento e inferencia en nubes con GPU, Kubernetes, VM y clústeres locales.

Ver en GitHubSitio web
Estrellas
2,284
Forks
270
Issues abiertos
63
Último commit
hace 15 horas

¿Qué es?

dstack es un plano de control unificado para aprovisionar y orquestar recursos con GPU. Permite a los equipos ejecutar entornos de desarrollo, tareas de entrenamiento y servicios de inferencia en nubes con GPU, clústeres de Kubernetes, VM o máquinas bare-metal mediante un único conjunto de configuraciones, en lugar de gestionar cada plataforma por separado.

Las cargas de trabajo se definen en archivos YAML dentro de un repositorio y se aplican con la CLI de dstack o mediante una API programática. El sistema se encarga del aprovisionamiento, la cola de tareas, el escalado automático, las redes, los volúmenes, el reenvío de puertos y la recuperación ante fallos de ejecución y errores por falta de capacidad. Admite aceleradores de NVIDIA, AMD, Google TPU y Tenstorrent, y permite añadir máquinas locales mediante flotas SSH sin configurar un backend de nube.

El proyecto también incluye habilidades para agentes que permiten a los agentes de programación con IA crear flotas y enviar cargas de trabajo mediante la CLI, y se integra con herramientas como NVIDIA Dynamo y Slurm.

Funciones clave

  • 01Aprovisiona y gestiona flotas de GPU en nubes, Kubernetes y máquinas locales.
  • 02Ejecuta entornos de desarrollo, tareas de entrenamiento y servicios de inferencia a partir de configuraciones YAML.
  • 03Admite aceleradores de NVIDIA, AMD, Google TPU y Tenstorrent.
  • 04Gestiona automáticamente la cola de tareas, el escalado automático, los volúmenes y el reenvío de puertos.
  • 05Ofrece habilidades para que los agentes de programación con IA envíen cargas de trabajo mediante la CLI.

Casos de uso

  • Compartir un conjunto de GPU entre un equipo de investigación con hardware en la nube y local.
  • Implementar inferencia de LLM como endpoints escalables en Kubernetes.
  • Ejecutar tareas de ajuste fino o entrenamiento multinodo sin escribir scripts específicos para cada plataforma.
  • Permitir que agentes de IA aprovisionen recursos de cómputo y lancen experimentos en nombre del equipo.

Inicio rápido

  1. 1

    Instala e inicia el servidor

    uv tool install "dstack[all]" -U
  2. 2

    Ejecuta el servidor

    dstack server
  3. 3

    Instala la CLI (solo si no se instaló con el servidor)

    uv tool install dstack -U
  4. 4

    Añade un proyecto para que la CLI se conecte al servidor

    dstack project add --name main --url http://127.0.0.1:3000 --token bbae0f28-d3dd-4820-bf61-8f4bb40815da

Antes de usarlo

  • Para orquestar recursos de computación en la nube o de Kubernetes, primero hay que configurar los backends.
  • El servidor necesita Git y OpenSSH, y funciona en Linux, macOS o Windows mediante WSL 2.

Temas

#gpu#orchestration#machine-learning#kubernetes#inference#training#llms#cloud#agent-skills#agentic-orchestration

Preguntas frecuentes

¿Qué es dstack?
Plano de control open source que aprovisiona y orquesta recursos de cómputo con GPU para entrenamiento e inferencia en nubes con GPU, Kubernetes, VM y clústeres locales. dstack es un plano de control unificado para aprovisionar y orquestar recursos con GPU. Permite a los equipos ejecutar entornos de desarrollo, tareas de entrenamiento y servicios de inferencia en nubes con GPU, clústeres de Kubernetes, VM o máquinas bare-metal mediante un único conjunto de configuraciones, en lugar de gestionar cada plataforma por separado.
¿dstack es gratuito? ¿Qué licencia tiene?
dstack es open source bajo la licencia MPL-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿dstack sigue mantenido?
Mantenimiento activo. El último commit de dstack fue el 20 oct 2026.
¿Para qué puedo usar dstack?
Compartir un conjunto de GPU entre un equipo de investigación con hardware en la nube y local. Implementar inferencia de LLM como endpoints escalables en Kubernetes. Ejecutar tareas de ajuste fino o entrenamiento multinodo sin escribir scripts específicos para cada plataforma. Permitir que agentes de IA aprovisionen recursos de cómputo y lancen experimentos en nombre del equipo.
¿Cómo se instala dstack?
Instala e inicia el servidor: uv tool install "dstack[all]" -U Ejecuta el servidor: dstack server Instala la CLI (solo si no se instaló con el servidor): uv tool install dstack -U Añade un proyecto para que la CLI se conecte al servidor: dstack project add --name main --url http://127.0.0.1:3000 --token bbae0f28-d3dd-4820-bf61-8f4bb40815da
¿Dónde consigo dstack?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/dstackai/dstack

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados