modelstore 是基础设施领域的开源项目，由 operatorai 开发，2020 年首次发布。
它收录于基础设施分类，该分类目前共有 1,130 个项目，GitHub 星标数为 403。
项目仍在小幅维护中，最近一次代码更新于 2026-09-06。Apache-2.0 许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：个人实验记录模型版本。同类可对比的替代方案包括 MLflow、DVC、ModelDB。
modelstore
一行代码保存模型版本，随时回溯和分享
modelstore 是一个 Python 库，用于机器学习模型的版本管理、导出和保存。它解决了模型在训练后难以统一管理和复现的问题，支持将模型保存到本地文件系统或各类云存储（如 AWS S3、Google Cloud Storage 等）。核心能力包括：自动捕获模型依赖的 Python 环境、生成唯一版本号、支持多种主流 ML 框架（如 scikit-learn、XGBoost、PyTorch 等）的模型序列化，并提供简单的 API 来上传和下载模型。通过将模型与元数据（如训练时间、代码版本）打包，方便团队协作和模型回溯。项目处于早期阶段，但设计思路清晰，适合需要轻量级模型版本控制的个人开发者或小团队。
开源
free
基础设施
GitHub 星标
★ 403
维护状态
维护中
是否开源
是
定价模式
free
项目数据
分类基础设施
开发团队operatorai
所属国家
定价模式free
价格说明开源项目，Apache-2.0 许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型data-science,keras,machine-learning,mlops,modelstore,python-library,pytorch,s3-storage,scikit-learn,tensorflow,transformer
GitHub 星标★ 403
30天Star增速
HF 下载量
上线时间2020-09-20 00:00:00
最近更新2026-09-06 00:00:00
维护状态维护中
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2
使用教程
核心亮点
- 自动捕获 Python 依赖环境，确保模型可复现
- 支持本地文件系统和主流云存储，灵活部署
- API 简洁，集成多种 ML 框架，上手快
不足之处
- 文档/社区待观察
- 早期项目，功能相对简单，缺乏高级管理特性
适用场景
- 个人实验记录模型版本
- 团队协作共享训练好的模型
- 自动化流水线中保存和加载模型
替代项目
MLflow、DVC、ModelDB
项目介绍
上一篇：kitops
下一篇：BharatMLStack
同类项目推荐
freebuff-proxy
开源
聚合多账号，一键接入 OpenAI 兼容 API，轻松管理会话。
Multi-account OpenAI-compatible gateway for coding models. Pooled keys, session life···
microduck
开源
用 Rust 造一只会走路的桌面小鸭，快速上手双足机器人。
A Tiny biped duck robot
soperator
开源
用 Kubernetes 原生方式运行 Slurm，简化 HPC 集群管理。
Run Slurm in Kubernetes
ollama
开源
一条命令本地跑起大模型，免费、私密、不卡顿
Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other···