Última atualização 08-21-2026
Categoria:
Reviews:
Join thousands of AI enthusiasts in the World of AI!
Kubeflow
Kubeflow oferece às equipes de plataformas de IA uma pilha modular para aprendizado de máquina e IA generativa no Kubernetes. O projeto CNCF disponibiliza subprojetos componíveis para pipelines, treinamento distribuído, ajuste de hiperparâmetros, notebooks e registro de modelos, com mais de 33,1 mil estrelas no GitHub e mais de 258 milhões de downloads no PyPI reportados na página inicial.
Suites de ML de fornecedores de nuvem prendem você aos serviços gerenciados de um único provedor. Kubeflow segue o caminho oposto: escolha subprojetos individuais ou implemente a Distribuição Comunitária completa em qualquer cluster Kubernetes, desde configurações locais kind até plataformas AWS, Oracle e Red Hat, sem precisar reescrever fluxos de trabalho quando a infraestrutura muda.
Engenheiros de plataforma, engenheiros de ML e equipes de ciência de dados usam Kubeflow para padronizar como os modelos transitam da experimentação para a produção. Adotantes incluem AWS, Oracle e Red Hat, e o projeto integra-se com ferramentas do ecossistema como KServe para inferência, Feast para feature stores e o Spark Operator para processamento de dados em larga escala.
Kubeflow Pipelines constrói fluxos de trabalho de ML portáteis que executam em qualquer cluster Kubernetes
O Trainer ajusta LLMs com PyTorch, DeepSpeed, MLX e Megatron em escala distribuída
O Katib executa ajuste de hiperparâmetros, early stopping e buscas de arquitetura neural
Os Notebooks iniciam ambientes Jupyter e VS Code para desenvolvimento interativo de ML
O Hub indexa versões de modelos, artefatos e metadados em um único registro
O Spark Operator executa jobs distribuídos Spark para preparação de dados em larga escala e embedding
O Central Dashboard conecta UIs autenticadas de cada componente Kubeflow em um único hub
Subprojetos modulares permitem que equipes adotem apenas os componentes necessários na infraestrutura Kubernetes existente.
Apoiado por mais de 3.000 colaboradores e adotado pela AWS, Oracle e Red Hat para plataformas de ML em produção.
O Kubeflow SDK fornece APIs em Python para executar cargas de trabalho de treinamento sem necessidade de profundo conhecimento em Kubernetes.
Cobre todo o ciclo de vida da IA, desde a preparação dos dados até treino, ajuste, registro e serviço.
Projeto CNCF com canais ativos no Slack, listas de discussão e chamadas comunitárias semanais.
Requer expertise operacional em Kubernetes para instalar e manter em produção.
Nenhuma oferta SaaS gerenciada pelo próprio projeto; as equipes hospedam por conta própria em seus próprios clusters.
A variedade de subprojetos pode tornar a configuração inicial e a seleção de componentes avassaladoras para novatos.
O Kubeflow é gratuito para usar?
Sim. O Kubeflow é um projeto open source da Cloud Native Computing Foundation. Você pode implantar subprojetos individualmente ou a Distribuição Comunitária completa do Kubeflow em qualquer cluster Kubernetes sem custos de licença.
Quais plataformas Kubernetes suportam o Kubeflow?
O Kubeflow pode ser implantado em qualquer lugar onde o Kubernetes esteja disponível. A documentação de instalação cobre clusters locais, provedores de nuvem e as versões da Distribuição Comunitária do Kubeflow (da 1.0 até a 26.03).
O Kubeflow pode realizar fine-tuning em modelos de linguagem grandes?
Sim. O Kubeflow Trainer suporta fine-tuning de LLMs com PyTorch, DeepSpeed, MLX e blueprints BuiltinTrainers. A documentação GenAI cobre workflows de fine-tuning supervisionado, DPO, PPO, GRPO e treinamento com consciência de quantização.
Quais são os principais subprojetos do Kubeflow?
Os subprojetos principais incluem Kubeflow Pipelines para orquestração de workflows, Trainer para treinamento distribuído, Katib para AutoML, Notebooks para desenvolvimento interativo, Hub para registro de modelos, Spark Operator para processamento de dados e o Central Dashboard como um hub unificado de UI.
Como posso obter suporte para o Kubeflow?
O Kubeflow oferece suporte pela comunidade através dos canais CNCF Slack, do grupo de discussão no Google chamado kubeflow-discuss, chamadas comunitárias semanais e documentação em kubeflow.org/docs/started/support/.
O Kubeflow suporta casos de uso GenAI como RAG?
Sim. O Kubeflow documenta workflows GenAI incluindo geração aumentada por recuperação (retrieval-augmented generation), geração de dados sintéticos, fine-tuning de LLM, otimização de hiperparâmetros e inferência em escala usando Pipelines, Trainer, Katib e KServe.