Kinesis OneTeam · Condividi le GPU del tuo team senza un progetto di scheduler.
Più sviluppatori che GPU? Con le Kinesis Grid nessun team resta fermo.
Trasforma le GPU che possiedi in un’unica Kinesis Grid condivisa, con un comando di installazione per server: niente Kubernetes, niente Slurm. Ognuno avvia il proprio lavoro senza aprire un ticket, entro i limiti che imposti tu. Le GPU da data center supportate si dividono in slice isolate; tutte le altre si condividono intere e, quando le GPU scarseggiano, ognuno ha il suo turno.
Iniziare è gratis: nessuna tariffa Grid sui tuoi primi 5 server, e i tuoi primi 5 utenti sono gratuiti.
Cosa fa andare avanti i team
Meno attese, più rilasci.
Tutto ciò che serve a una flotta di GPU condivisa per far avanzare gli sviluppatori e tenere ogni GPU sempre occupata, senza un progetto di scheduler né un foglio di calcolo su chi riceve cosa.
- Grid / lab-a100 / PolicyFair shareOffFair share
Tempo assegnato
4 h
App per persona
2
Attività
- In coda per la capacità della Grid (fair share)ana · train-vit
- Spostata dalla macchina — turno terminato (fair share)ben · sweep-12
- Macchina riservata all'app (fair share)ana · train-vit
- Ammessa dalla coda del grid (fair share)ana · train-vit
Fair share
Quando le GPU scarseggiano, le app attendono in coda e fanno a turno. Imposta il tempo assegnato e le app per persona; la Grid fa avanzare il lavoro quando un turno finisce.
- Grid / lab-a100 / Policy / Quote
- Limita le GPU per persona4
- Limita le app per persona3
- Limita le istanze per personaNessun limite
- Tolleranza prima dell'arresto15 min
App escluse
shared-inferencelab-jupyterhub
Limiti dei container
CPU 16 coreMemoria 64 GB
Quote e limiti
Limita GPU, app e istanze per persona su ogni Grid, imposta limiti di CPU e memoria per container ed escludi i servizi condivisi su cui tutti fanno affidamento.
- Server / gpu-node-07 / Slice GPUH100 80GBPartizionamento MIG On
Unità
VRAM
App assegnata
3g.40gb40 GBthesis-llm2g.20gb20 GBcs231-notebook-041g.10gb10 GBcs231-notebook-111g.10gb10 GBGratisGPU frazionate
Dividi le GPU da data center supportate (classe A100 e H100) in slice isolate con NVIDIA MIG, così una sola scheda serve un’intera classe o più job. Ogni slice conta come una GPU nelle quote. Le GPU che non si possono suddividere vengono condivise intere, a turni con il fair share.
- Flotta · Tutti i Grid
- dgx-018× A100 · lab-a100
- colo-h100-028× H100 · research
- lab-l40s-034× L40S · teaching
- ws-rtx-112× RTX 6000 · teaching
VisioneCercaRicercaStagisti
Tutta la tua flotta in un'unica vista
Ogni server di ogni Grid, con il lavoro di chi gira su ciascuna GPU. Utilizzo per persona e costi per progetto sono a un clic di distanza.
Schermate illustrative · nomi e numeri sono inventati
Le GPU inattive tornano disponibili
La Grid individua le app che tengono occupate GPU che non usano, avvisa i loro proprietari e libera la GPU per il team successivo.
Un Grid per ogni gruppo, se vuoi
Dai a ogni laboratorio, divisione o gruppo il proprio Grid con i propri amministratori, oppure riunisci tutto in uno solo.
A chi si rivolge
Pensato per i luoghi in cui molte persone condividono poche GPU.
Quando molte persone condividono poche GPU costose, la parte difficile è non lasciare fermo nessuno: un turno equo per ogni team, spazio per ogni job e sapere chi sta usando cosa. Una Kinesis Grid si occupa di tutti e tre gli aspetti.
Università e laboratori di ricerca
Un unico cluster per ogni laboratorio e corso, senza fogli di prenotazione.
- Ogni laboratorio o corso ha una quota. Il fair share gestisce la corsa prima delle scadenze.
- Suddividi le GPU di grandi dimensioni così un'intera classe può lavorare contemporaneamente.
- Utilizzo per persona e costi per progetto per i report sui finanziamenti e il chargeback.
- Gli studenti fanno il deploy di notebook e modelli da soli. Nessun ticket all'amministratore.
Incubatori e acceleratori
Accesso alle GPU per ogni startup del programma, sull'hardware del programma stesso.
- Ogni startup ha i propri limiti, così la settimana di lancio di una non lascia a secco le altre.
- Progetti e ruoli separati per ogni team. Condividi una Grid o dai a ciascuno la propria.
- Lo staff del programma vede l'utilizzo per persona e i costi per progetto di tutta la coorte.
- Le startup mantengono lo stesso flusso di lavoro anche dopo la fine del programma, sulla propria Grid o sulla capacità Kinesis.
Per sviluppatori
Lascia che gli sviluppatori sperimentino senza dover chiedere prima.
Dall'idea all'app in esecuzione senza aspettare nessuno. Provala, rompila, rifai il deploy, sempre entro i limiti che imposti tu.
- Fai il deploy di un'immagine container o di un repository GitHub in pochi minuti
- App con un clic dalla galleria, dai notebook Jupyter agli LLM open
- Endpoint HTTPS, DNS e bilanciamento del carico integrati
- Un terminale nel browser, log e metriche in tempo reale per ogni app
- Volumi persistenti, così i dati sopravvivono a un redeploy
- Una REST API e un server MCP, così anche script e agenti possono fare il deploy
Per manager e finanza
Scopri dove va ogni GPU-ora.
Spesa suddivisa per progetto e app, utilizzo per persona e una previsione fino a fine mese. Fatture ed export orari sono pronti per il reparto finance fin dal primo giorno.
Single sign-on, ruoli, autenticazione a due fattori e registro di audit sono inclusi di serie. Ti serve un deployment dedicato o completamente privato? Scopri Kinesis Private
La tua Grid non assegna mai lavoro a hardware della community, a meno che tu non scelga Kinesis Batches.
Vedi i prezzi della Grid →Illustrativo
Scopri cosa fanno davvero le tue GPU.
Inizia con una valutazione in sola lettura dei tuoi server. Che tu prosegua con noi o no, i dati di utilizzo restano tuoi.