Kinesis OneTeam · Teilen Sie die GPUs Ihres Teams, ganz ohne Scheduler-Projekt.
Mehr Entwickler als GPUs? Kinesis Grids halten jedes Team in Bewegung.
Machen Sie Ihre eigenen GPUs zu einem gemeinsamen Kinesis Grid, mit einem Installationsbefehl pro Server: kein Kubernetes, kein Slurm. Alle starten ihre Arbeit ohne Ticket, innerhalb der Grenzen, die Sie setzen. Unterstützte Rechenzentrums-GPUs werden in isolierte Slices aufgeteilt; jede andere GPU wird als Ganzes geteilt, und wenn GPUs knapp werden, kommt jeder der Reihe nach dran.
Kostenlos starten: keine Grid-Gebühr für Ihre ersten 5 Server, und Ihre ersten 5 Nutzer sind kostenlos.
Was Teams in Bewegung hält
Weniger warten, mehr ausliefern.
Alles, was eine geteilte GPU-Flotte braucht, damit Entwickler vorankommen und jede GPU ausgelastet ist, ohne Scheduler-Projekt und ohne Tabelle darüber, wer was bekommt.
- Grids / lab-a100 / RichtlinienFair ShareAusFair Share
Zugeteilte Zeit
4 h
Apps pro Person
2
Aktivität
- In der Warteschlange für Grid-Kapazität (Fair Share)ana · train-vit
- Von Maschine verschoben — Zeitfenster beendet (Fair Share)ben · sweep-12
- Maschine für App reserviert (Fair Share)ana · train-vit
- Aus der Grid-Warteschlange zugelassen (Fair Share)ana · train-vit
Fair Share
Wenn GPUs knapp werden, warten Apps in einer Warteschlange und kommen abwechselnd an die Reihe. Legen Sie die zugeteilte Zeit und die Apps pro Person fest; das Grid wechselt die Arbeit, wenn ein Zeitfenster endet.
- Grids / lab-a100 / Richtlinien / Kontingente
- GPUs pro Person begrenzen4
- Apps pro Person begrenzen3
- Instanzen pro Person begrenzenKein Limit
- Kulanzzeit vor dem Stoppen15 Min.
Ausgenommene Apps
shared-inferencelab-jupyterhub
Container-Limits
CPU 16 KerneArbeitsspeicher 64 GB
Kontingente und Limits
Begrenzen Sie GPUs, Apps und Instanzen pro Person in jedem Grid, legen Sie CPU- und Speicherlimits pro Container fest und nehmen Sie die gemeinsamen Dienste aus, auf die sich alle verlassen.
- Server / gpu-node-07 / GPU-SlicesH100 80GBMIG-Slicing Ein
Einheit
VRAM
Zugewiesene App
3g.40gb40 GBthesis-llm2g.20gb20 GBcs231-notebook-041g.10gb10 GBcs231-notebook-111g.10gb10 GBKostenlosFraktionierte GPUs
Teilen Sie unterstützte Rechenzentrums-GPUs (A100- und H100-Klasse) mit NVIDIA MIG in isolierte Slices auf, damit eine Karte eine ganze Kursgruppe oder mehrere Jobs bedient. Jeder Slice zählt bei Quoten als eine GPU. GPUs, die sich nicht aufteilen lassen, werden als Ganzes geteilt, im Fair-Share-Wechsel.
- Flotte · Alle Grids
- dgx-018× A100 · lab-a100
- colo-h100-028× H100 · research
- lab-l40s-034× L40S · teaching
- ws-rtx-112× RTX 6000 · teaching
VisionSucheForschungPraktikanten
Ihre gesamte Flotte in einer Ansicht
Jeder Server in jedem Grid, mit der Angabe, wessen Arbeit auf jeder GPU läuft. Nutzung pro Person und Kosten nach Projekt sind einen Klick entfernt.
Beispielhafte Ansichten · Namen und Zahlen sind erfunden
Ungenutzte GPUs kommen zurück
Das Grid erkennt Apps, die GPUs belegen, ohne sie zu nutzen, warnt deren Besitzer und gibt die GPU für das nächste Team frei.
Auf Wunsch ein Grid pro Gruppe
Geben Sie jedem Labor, Geschäftsbereich oder Jahrgang ein eigenes Grid mit eigenen Admins, oder bündeln Sie alles in einem.
Für wen es gedacht ist
Gemacht für Orte, an denen sich viele Menschen wenige GPUs teilen.
Wenn viele Menschen sich wenige teure GPUs teilen, ist das Schwierige, alle in Bewegung zu halten: eine faire Reihenfolge für jedes Team, Platz für jeden Job und zu wissen, wer was nutzt. Ein Kinesis Grid kümmert sich um alle drei Punkte.
Universitäten und Forschungslabore
Ein Cluster für jedes Labor und jeden Kurs, ohne Eintragungsliste.
- Jedes Labor und jeder Kurs erhält ein Kontingent. Fair Share regelt den Ansturm vor Abgabeterminen.
- Teilen Sie große GPUs auf, damit ein ganzer Kurs gleichzeitig arbeiten kann.
- Nutzung pro Person und Kosten pro Projekt für Förderberichte und interne Verrechnung.
- Studierende deployen Notebooks und Modelle selbst. Keine Admin-Tickets.
Inkubatoren und Acceleratoren
GPU-Zugang für jedes Startup im Jahrgang, auf der eigenen Hardware des Programms.
- Jedes Startup erhält eigene Limits, damit eine Launch-Woche nicht allen anderen die Ressourcen entzieht.
- Separate Projekte und Rollen für jedes Team. Teilen Sie ein Grid oder geben Sie jedem ein eigenes.
- Programmverantwortliche sehen für die gesamte Kohorte die Nutzung pro Person und die Kosten pro Projekt.
- Startups behalten denselben Workflow, wenn sie das Programm abgeschlossen haben, auf ihrem eigenen Grid oder auf Kinesis-Kapazität.
Für Entwickler
Lassen Sie Entwickler Dinge ausprobieren, ohne vorher fragen zu müssen.
Von der Idee zur laufenden App, ohne auf jemanden zu warten. Ausprobieren, kaputt machen, neu bereitstellen, alles innerhalb der Limits, die Sie festlegen.
- Stellen Sie ein Container-Image oder ein GitHub-Repository in wenigen Minuten bereit
- Apps mit einem Klick aus der Galerie, von Jupyter-Notebooks bis zu offenen LLMs
- HTTPS-Endpoints, DNS und Load Balancing integriert
- Ein Browser-Terminal, Live-Logs und Metriken für jede App
- Persistente Volumes, damit Daten ein Redeploy überstehen
- Eine REST API und ein MCP-Server, damit auch Skripte und Agents bereitstellen können
Für Führungskräfte und Finanzen
Wissen Sie, wohin jede GPU-Stunde geht.
Ausgaben aufgeschlüsselt nach Projekt und App, Nutzung pro Person und eine Prognose bis zum Monatsende. Rechnungen und stündliche Exporte sind vom ersten Tag an bereit für die Buchhaltung.
Single Sign-On, Rollen, Zwei-Faktor-Authentifizierung und ein Audit-Log sind Standard. Sie brauchen eine dedizierte oder vollständig private Bereitstellung? Siehe Kinesis Private
Ihr Grid platziert niemals Workloads auf Community-Hardware, es sei denn, Sie wählen Kinesis Batches.
Grid-Preise ansehen →Beispielhaft
Sehen Sie, was Ihre GPUs wirklich tun.
Beginnen Sie mit einer Analyse Ihrer Server mit reinem Lesezugriff. Ob Sie mit uns weitermachen oder nicht, die Auslastungszahlen gehören Ihnen.