A CoreWeave ügyfelei saját fiókjukban futtathatják az Anyscale-t

Menedzselt Ray a CoreWeave környezetében

A CoreWeave 2026. október 22-én jelentette be, hogy az Anyscale, a Ray-re épülő platform, BYOC, vagyis saját ügyfélfiókban futó telepítéssel közvetlenül elérhető a CoreWeave Kubernetes Service-en, röviden CKS-en. A vállalat ezzel első félként támogatja az Anyscale használatát a CKS-en.

A Ray nyílt forráskódú, Python-alapú elosztott keretrendszer, amely Python- és AI-alkalmazások párhuzamosítására szolgál. Strukturálatlan adatformátumokat is támogat, és CPU-kat, valamint GPU-kat használó, heterogén fürtök összehangolására is alkalmas. A forrás szerint a keretrendszer többek között modellbetanításra, finomhangolásra, következtetésre és multimodális adatfeldolgozásra használható.

Az Anyscale-t a Ray eredeti készítői fejlesztették. A CoreWeave közlése szerint a platform a Ray-alapú adat- és AI-munkafolyamatok fejlesztését, üzemeltetését és skálázását kezeli, fejlesztői eszközökkel, ellenálló fürtökkel, RayTurbo teljesítményjavításokkal és beépített irányítási vezérlőkkel.

Adatkezelés, megfigyelhetőség és teljesítmény

A CoreWeave ügyfelei saját fiókjukban futtathatják a teljesen menedzselt Ray-fürtöket, miközben adataikat a CoreWeave AI Object Storage-ben tarthatják. A megoldás többféle gyorsított számítási lehetőség használatát is támogatja. Az Anyscale és a Weights & Biases Rayen keresztüli integrációja a kísérletek követését és a műtermékek kezelését is segítheti.

A bejelentés szerint a CoreWeave infrastruktúráján átfogó fürtellenőrzés vizsgálja többek között a GPU-kat, CPU-kat, memóriát, tárhelyet és hálózatot. Az automatikus állapotfelmérés a Ray-csomópontokat is folyamatosan figyeli, és rendellenes működés esetén a probléma forrásának elhárítására törekszik.

A felhasználók részletes mérőszámokat és irányítópultokat kapnak, amelyek a GPU-hőmérséklettől a be- és kimenő hálózati forgalomig terjedő adatokat mutathatnak. A CoreWeave saját állítása szerint ezek a funkciók együttesen akár 96 százalékos goodputot, vagyis hasznos feldolgozási arányt tesznek lehetővé AI-munkafolyamatokban.

Több mint egy Kubernetes-operátor

A Ray és a nyílt forráskódú KubeRay operátor önmagában kiindulópontot jelent a Ray-munkafolyamatok kezeléséhez. A CoreWeave szerint éles környezetben további fejlesztői eszközökre, megfigyelhetőségre, költségszabályozásra, feladatütemezésre és felhasználókezelésre is szükség van.

Az Anyscale Workspaces interaktív fejlesztői konzolt kínál munkafolyamat-megfigyeléssel, és lehetővé teszi, hogy a fejlesztők Kubernetes-ismeret nélkül önállóan kérjenek infrastruktúrát. A menedzselt Ray-fürtök automatikus skálázást, hibás csomópontok leválasztását és cseréjét, valamint Prometheus- és Grafana-alapú monitorozást biztosítanak.

A RayTurbo része a forrás szerint akár ötször gyorsabb adat-előfeldolgozást kínálhat a RayTurbo Data használatával. A platform szervezeti vagy projektszintű költségkereteket és riasztásokat is támogat, továbbá fizetős támogatási csomagokban garantált válaszidőt biztosít Ray-szakértőktől.

Elérhetőség és lehetséges felhasználás

A CoreWeave egy megerősítéses tanulási példát is bemutatott. A RayTurbo RLlib segítségével a fejlesztők Python-szintaxissal és notebook jellegű fejlesztői környezettel indíthatnak feladatokat, amelyek a közlemény szerint 64 GPU-ig és több ezer szimulációig skálázhatók. A Weights & Biases a tanulási görbék, a hiperparaméter-keresések és a szimulátori viselkedések megjelenítését segítheti.

A szolgáltatás iránt érdeklődő ügyfelek a CoreWeave kapcsolattartójánál, illetve az [email protected] címen kérhetnek bemutatót vagy proof-of-concept együttműködést. A megoldást a forrás multimodális adatfeldolgozási folyamatok skálázásához, modellbetanításhoz és nagy léptékű következtetéshez is ajánlja.