Repolode
beam-cloud

beam-cloud/beta9

Runtime open source em Go e Python para workloads de IA serverless, incluindo endpoints de inferência em GPU, sandboxes e tarefas em segundo plano.

Alternativa open source a:AWS LambdaModal

Estrelas
1,827
Forks
171
Issues abertas
32
Último commit
há 22 horas

O que é?

O Beta9 é um runtime open source para implantar e escalar aplicações de IA sem gerenciar servidores. Os desenvolvedores envolvem funções Python com decorators como @endpoint ou @task_queue, e a plataforma as executa em containers que iniciam rapidamente, escalam até zero quando estão ociosos e distribuem a execução entre muitos containers em paralelo.

O projeto atende a vários tipos de workload: endpoints de inferência com autoscaling para modelos personalizados, sandboxes isoladas para executar código gerado por LLMs e tarefas resilientes em segundo plano que podem substituir uma fila do Celery. Também oferece tarefas agendadas, webhooks, hot reload durante o desenvolvimento e volumes de armazenamento distribuído que podem ser montados.

Os workloads de GPU podem ser executados na cloud da Beam ou nas suas próprias GPUs, e o engine pode ser hospedado por você. A Beam oferece uma cloud gerenciada baseada no mesmo engine open source.

Recursos principais

  • 01Os containers iniciam em menos de um segundo usando um runtime e um scheduler personalizados.
  • 02Distribui workloads entre centenas de containers em paralelo.
  • 03Escala até zero quando está ocioso, com autoscaling baseado na profundidade da fila.
  • 04Oferece sandboxes isoladas para executar código.
  • 05Oferece suporte a tarefas em segundo plano com novas tentativas, tarefas agendadas e webhooks.
  • 06Executa workloads nas GPUs da cloud da Beam ou nas suas próprias GPUs.

Casos de uso

  • Disponibilizar um modelo personalizado de machine learning por trás de um endpoint de API com autoscaling.
  • Executar código gerado por LLMs em sandboxes isoladas.
  • Substituir uma fila do Celery pelo processamento resiliente de tarefas em segundo plano.
  • Executar sob demanda tarefas em lote com GPU, como fine-tuning ou processamento de imagens.

Início rápido

  1. 1

    Instale o cliente Beam

    pip install beam-client
  2. 2

    Crie uma conta no Beam

  3. 3

    Siga o Getting Started Guide para concluir a integração

Antes de usar

  • Licenciado sob a AGPL-3.0, uma licença copyleft que exige a divulgação do código-fonte quando usado pela rede.
  • A hospedagem própria exige uma infraestrutura própria, e o README indica a nuvem gerenciada do Beam para facilitar o uso.
  • O início rápido exige a criação de uma conta na plataforma do Beam.

Tópicos

Perguntas frequentes

O que é beta9?
Runtime open source em Go e Python para workloads de IA serverless, incluindo endpoints de inferência em GPU, sandboxes e tarefas em segundo plano. O Beta9 é um runtime open source para implantar e escalar aplicações de IA sem gerenciar servidores. Os desenvolvedores envolvem funções Python com decorators como @endpoint ou @task_queue, e a plataforma as executa em containers que iniciam rapidamente, escalam até zero quando estão ociosos e distribuem a execução entre muitos containers em paralelo.
beta9 é gratuito? Qual é a licença?
beta9 é open source sob a licença AGPL-3.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
beta9 ainda é mantido?
Manutenção ativa. O último commit de beta9 foi em 19 de out. de 2026.
Para que posso usar beta9?
Disponibilizar um modelo personalizado de machine learning por trás de um endpoint de API com autoscaling. Executar código gerado por LLMs em sandboxes isoladas. Substituir uma fila do Celery pelo processamento resiliente de tarefas em segundo plano. Executar sob demanda tarefas em lote com GPU, como fine-tuning ou processamento de imagens.
Como instalar beta9?
Instale o cliente Beam: pip install beam-client Crie uma conta no Beam Siga o Getting Started Guide para concluir a integração
Onde consigo beta9?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/beam-cloud/beta9

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados