综合工具选择 · 工具介绍
dstack
用服务端和 CLI 统一配置 GPU 资源、开发环境、训练任务及模型推理服务，覆盖云端和自有集群。
dstack 能做什么
用服务端和 CLI 统一配置 GPU 资源、开发环境、训练任务及模型推理服务，覆盖云端和自有集群。
- GPU云租户与计费管理
如何使用 dstack
用配置文件提交模型训练任务
准备输入
- 训练命令与代码
- 允许使用的计算资源
- 资源和数据卷要求
操作步骤
- 配置服务端及计算后端，并连接 CLI 项目。
- 将任务、资源和持久化要求写入 YAML 配置。
- 提交任务并检查排队、运行状态与输出文件。
预期交付物
- 计算任务配置
- 运行记录与训练产物
计算费用和可用资源由后端决定；实验性的推理优化预设不能视为稳定功能保证。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从综合工具选择角度评估dstack
把综合工具选择需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
先看交付
你需要的是可编辑文档、图片、代码，还是有出处的资料表？
再看输入
资料能否上传、格式能否读取、敏感内容能否交给所选服务？
最后试用
用小样检查实际结果，再确认费用、导出和后续修改条件。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
继续看看这些工具
全部工具 →
Saturn Cloud
为 GPU 云服务提供多租户隔离、运营支持和计费管理能力。
piqc
以只读方式收集 Kubernetes 推理集群的模型、GPU 和吞吐事实，生成资源与成本检查报告。
Chimeraforge
在本地比较模型、量化方式、硬件和推理后端的部署方案，区分实测、推算与未知数据。
Kueue
为 Kubernetes 批任务管理排队、资源配额和准入顺序，并提供待运行工作负载的可见性。
Volcano
在 Kubernetes 上调度 AI、机器学习和其他批处理工作负载，支持多种训练与数据处理框架。
Nebuly nos
在 Kubernetes 中按任务需求划分 GPU 资源，并通过弹性配额让命名空间借用暂时空闲的资源。