cube-studio

一套平台搞定 AI 开发、训练、推理全流程，支持国产硬件。

cube-studio 是一个开源的云原生一站式 AI 平台，覆盖机器学习、深度学习和 LLMOps 全链路。它解决了 AI 开发中环境搭建复杂、资源利用率低、流程割裂等痛点，提供 Notebook 在线开发、拖拉拽 Pipeline 编排、多机多卡分布式训练、超参搜索、推理服务及 VGPU 虚拟化等核心能力。平台支持 PyTorch、TensorFlow、DeepSpeed、Ray 等主流框架，并适配国产昇腾生态和 RDMA 网络。内置自动化标注、模型市场、私有知识库，并支持 DeepSeek 等大模型的 SFT、奖励模型训练和 vLLM/Ollama 多机推理，适合企业级 AI 平台建设和算力租赁场景。

开源 free 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 5078

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tencentmusic

所属国家

官网地址

GitHubhttps://github.com/tencentmusic/cube-studio

定价模式free

价格说明开源项目，可自行部署，无在线服务，全部功能免费。

访问状态

是否开源是

开源协议NOASSERTION

主要语言

技术栈/模型ai,aihub,argo,automl,deepseek,gpt,inference,kubeflow,kubernetes,llmops,mlops,notebook,pipeline,pytorch,spark,vgpu,workflow

GitHub 星标★ 5078

30天Star增速

HF 下载量

上线时间2021-08-17 00:00:00

最近更新2026-09-22 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7

使用教程

难度：高级约 10 分钟部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

可访问 GitHub 的网络环境
已安装 git 命令行工具
具备 Kubernetes / 容器相关基础（平台为云原生架构，README 未给出具体版本要求）

安装与启动步骤

1确认仓库状态

README 显示本仓库已于 2026-05-18 归档、不再维护，需改用新的维护仓库，不要继续基于旧仓库部署。
2克隆新仓库

从 README 给出的跳转地址拉取仍在维护的仓库代码。若目录已存在可跳过此步。
```
git clone https://github.com/data-infra/cube-studio.git
```
3进入项目目录

切换到克隆下来的仓库根目录，后续所有操作都建议在该目录内进行。
```
cd cube-studio
```
4查阅帮助文档

README 未提供安装命令，部署方式与依赖版本以新仓库 wiki 帮助文档为准，按文档执行安装。

如何确认成功

README 未给出启动成功判定方式，请以新仓库 wiki 帮助文档中的部署文档说明为准。

常见问题

Q：为什么这个仓库不能用了？

A：README 明确说明本仓库已于 2026-05-18 归档、不再维护，需要跳转到新的仓库 data-infra/cube-studio 继续使用。

Q：安装步骤在哪里找？

A：README 未包含安装说明，只提供了帮助文档链接，即新仓库的 wiki 页面，请以该 wiki 中的部署文档为准。

Q：归档后还能继续用旧代码吗？

A：代码仍可被克隆，但已停止维护，不再更新功能和修复问题，建议迁移到新仓库以避免安全和兼容风险。

Q：平台需要什么运行环境？

A：README 未给出具体环境要求，仅从项目描述可知是云原生架构，涉及 Kubernetes、分布式训练与推理，部署前请先确认 wiki 文档中的环境要求。

注意事项

本仓库已归档，任何安装命令都应参考新仓库 data-infra/cube-studio 的文档，不要照搬旧仓库内容。
README 节选未提供任何安装、启动、端口或配置项信息，因此本教程不含具体部署命令。
克隆仓库只获得源码，能否直接部署取决于 wiki 帮助文档中的说明，请先阅读后再操作。

核心亮点

全链路覆盖：从数据标注、开发、训练到推理一站式解决，避免多系统切换。
国产化适配：支持昇腾 NPU 和国产 CPU/GPU，符合信创需求。
大模型训练支持：内置 DeepSeek SFT、RLHF 和 vLLM 多机推理，紧跟 LLM 趋势。

不足之处

文档和社区生态相对薄弱，新手上手门槛较高。
功能庞大复杂，部署和运维需要一定 Kubernetes 和 AI 工程经验。

适用场景

企业建设统一 AI 开发平台，统一管理数据和算力。
算力租赁或私有云场景，通过 VGPU 和多租户实现资源隔离与计费。
大模型微调和推理部署，尤其是国产硬件环境下的 LLM 应用。

替代项目

Kubeflow、Polyaxon、KubeDL

项目介绍

cube-studio 是基础设施领域的开源项目，由 tencentmusic 开发，2021 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（5,078）位列前 9%，在基础设施分类的 1,130 个项目里位列前 13%。

项目仍在小幅维护中，最近一次代码更新于 2026-09-22。可自行部署，无在线服务，全部功能免费。

它主要面向的使用场景是：企业建设统一AI开发平台，统一管理数据和算力。同类可对比的替代方案包括 Kubeflow、Polyaxon、KubeDL。

上一篇：coze-loop

下一篇：pezzo