starwhale

一站式管理模型全生命周期,让实验到上线更顺滑

Starwhale 是一个面向机器学习与大型语言模型(LLM)的 MLOps/LLMOps 平台,旨在解决模型开发、评估、部署和运维全生命周期中的工程化问题。它提供标准化的模型训练、评测、打包和发布流程,支持数据集与模型版本管理,并内置可复现的实验跟踪能力。核心能力包括:多语言 SDK(Python/Java)支持、灵活的流水线编排、模型仓库管理、以及面向 LLM 的提示词评测与回归测试。通过将实验、模型和评测结果统一管理,Starwhale 帮助团队提升协作效率,降低从实验到生产的落地成本。项目当前处于早期阶段(GitHub 星标 237),但架构设计上注重可扩展性,适合需要统一 MLOps 基础设施的团队探索使用。

开源 free 基础设施
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 236
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类基础设施
开发团队star-whale
所属国家
定价模式free
价格说明开源项目,Apache-2.0许可证,可免费使用和部署。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Java
技术栈/模型ai,cloud-native,dataset,datastore,fine-tuning,infra,kubernetes,llm,llmops,mlops,model-evaluation,runtime
GitHub 星标★ 236
30天Star增速
HF 下载量
上线时间2021-12-30 00:00:00
最近更新2026-09-20 00:00:00
维护状态低维护
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4

使用教程

核心亮点

  • 原生支持 LLM 评测与回归,覆盖提示词级验证
  • 提供 Java 和 Python 双语言 SDK,便于集成不同技术栈
  • 内置数据集与模型版本管理,实验可复现性强

不足之处

  • 项目尚处早期,社区生态和文档完善度待观察
  • 功能模块的成熟度与稳定性需在实际生产环境验证

适用场景

  • 企业内部统一管理多个 ML/LLM 实验与模型版本
  • 需要自动化评测 LLM 输出质量并持续回归的团队
  • 从实验到生产部署需要标准化流水线的数据团队

替代项目

MLflow、Kubeflow、DVC

项目介绍

starwhale 是基础设施领域的开源项目,由 star-whale 开发,2021 年首次发布。

它收录于基础设施分类,该分类目前共有 1,132 个项目,GitHub 星标数为 236。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-20。Apache-2.0许可证,可免费使用和部署。

它主要面向的使用场景是:企业内部统一管理多个ML/LLM实验与模型版本。同类可对比的替代方案包括 MLflow、Kubeflow、DVC。

上一篇:kitchenai

下一篇:ai-infra-landscape

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···

★ 213 2026-08-20
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

★ 8684 2026-09-10
soperator 开源

用 Kubernetes 原生方式运行 Slurm,简化 HPC 集群管理。

Run Slurm in Kubernetes

★ 439 2026-08-10
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···

★ 181484 2026-08-09