# NVIDIA відкрила Run:ai: самохостинг безкоштовний, підтримка платна > NVIDIA відкрила всю платформу Run:ai під Apache 2.0, включно з контрольною площиною. Самохостинг не потребує підписки, а корпоративна підтримка платна. - Опубліковано: 19 жовтня 2026 р. (2026-10-19T05:10:04.664734+00:00) - Розділ: AI-інструменти - На основі публікації: [MarkTechPost](https://www.marktechpost.com/2026/10/18/nvidia-runai-open-source-gpu-orchestration-kubernetes/) - Видання: AiiN (https://aiin.news) - URL: https://aiin.news/article?slug=nvidia-%D0%B2%D1%96%D0%B4%D0%BA%D1%80%D0%B8%D0%BB%D0%B0-run-ai-%D1%81%D0%B0%D0%BC%D0%BE%D1%85%D0%BE%D1%81%D1%82%D0%B8%D0%BD%D0%B3-%D0%B1%D0%B5%D0%B7%D0%BA%D0%BE%D1%88%D1%82%D0%BE%D0%B2%D0%BD%D0%B8%D0%B9-%D0%BF%D1%96%D0%B4%D1%82%D1%80%D0%B8%D0%BC%D0%BA%D0%B0-%D0%BF%D0%BB%D0%B0%D1%82%D0%BD%D0%B0 --- NVIDIA Run:ai, платформа оркестрації GPU для Kubernetes, тепер повністю відкрита під ліцензією Apache 2.0: від планувальника до контрольної площини, яку можна розгорнути самостійно. NVIDIA оприлюднила код 13 жовтня 2026 року, [за даними TechRepublic](https://www.techrepublic.com/article/news-nvidia-runai-open-source-free-paid/). Безкоштовним став увесь стек, включно з KAI Scheduler, який і раніше був open source. Підписка для самостійного розгортання не потрібна, але команда сама відповідає за оновлення, реагування на інциденти й безпеку. ## Що саме NVIDIA відкрила? Run:ai тепер доступний як повний монорепозиторій: [за даними MarkTechPost](https://www.marktechpost.com/2026/10/18/nvidia-runai-open-source-gpu-orchestration-kubernetes/), у ньому є контрольна площина, сервіси кластера, інсталятор, CLI та MCP-сервер для AI-асистентів. Платформа працює поверх Kubernetes або OpenShift і не замінює їх. Окремо можна використовувати чотири компоненти: - KAI Scheduler: планувальник для Kubernetes із gang scheduling, справедливим розподілом ресурсів за часом, topology awareness, bin-packing і підтримкою DRA. Це проєкт CNCF Sandbox. - GPU Fractioning Operator: розподіл GPU на частки на базі CUDA 13.4, де драйвер встановлює жорсткий ліміт пам’яті для кожного навантаження. Оператор замінив стару закриту реалізацію, не залежить від планувальника й експортує метрики для кожного пода. - KAI Resource Management: керування проєктами, підрозділами, квотами та пулами вузлів. У прикладі NVIDIA дослідницькій команді гарантовано 50% ресурсів кластера. - Workload Map: Go-бібліотека, що описує типи навантажень на кшталт PyTorchJob, RayCluster і сервісів KServe. Вона працює офлайн, але не планує навантаження, не ставить їх у чергу й не масштабує автоматично. ## Що залишається платним? Корпоративна підтримка NVIDIA залишається платною, тоді як основні функції платформи доступні безкоштовно. Документація, яку переказує TechRepublic, описує два варіанти: Open Source і Support-Entitled Release. - Open Source: повна платформа для самостійного розгортання, розробки й продакшну з підтримкою спільноти. Образи та Helm-чарти можна завантажити без автентифікації. - Support-Entitled Release: та сама базова платформа з підтримкою NVIDIA та зобов’язаннями щодо рівня сервісу. Для отримання образів і Helm-чартів потрібен API-ключ NGC. Відсутність плати за підписку не скасовує витрат на Kubernetes-кластери, сумісні GPU, сховище, мережу, моніторинг і адміністраторів. NVIDIA не публікує єдиної ціни для всіх платних конфігурацій: NVIDIA AI Enterprise, наприклад, ліцензується за кількістю GPU. Універсального показника економії для різних середовищ компанія теж не наводить. Документація Run 3.0 описує 12-місячний цикл підтримки релізів: 9 місяців повної підтримки й 3 місяці розширеної. Цей графік не означає, що безкоштовна версія включає корпоративну підтримку. ## Як запустити Run:ai локально без GPU? Скрипт local-dev.sh запускає локальне середовище Run:ai без фізичного GPU. Він збирає близько 50 Go-сервісів у контейнерах і створює кластер Kind із 5 вузлів на Kubernetes v1.32.5, де тестовий GPU-оператор імітує 8 карт Tesla-A10. - Підтримуються macOS і Linux на amd64 та arm64. Windows не підтримується. - Для Linux потрібні 4 CPU, 16 GB RAM і 100 GB вільного місця на диску. - Для віртуальної машини Podman на macOS потрібно щонайменше 12 GB RAM. - Одна повна збірка залишає близько 44 GB кешів. Прапорець --gpu-operator перемикає скрипт на реальні GPU NVIDIA. Для цього потрібні Linux, Docker і NVIDIA Container Toolkit. ## Які в Run:ai обмеження? Локальний режим Run:ai з реальними GPU підтримує лише NVIDIA: акселератори AMD та Intel не підтримуються. NVIDIA не опублікувала бенчмарків рівня платформи для цього релізу, тому наведені джерела не дають кількісної оцінки приросту ефективності від його впровадження. Run:ai підтримує GPU memory swap, [за даними NVIDIA](https://nvidia.com/en-eu/software/run-ai): неактивні частини моделі переміщуються з GPU в пам’ять хоста, щоб запускати більші моделі на меншій кількості GPU. Наданий опис продукту не уточнює доступність цієї можливості саме у відкритій версії. Від Volcano, Kueue і YuniKorn, які зосереджені на плануванні чи чергах, Run:ai відрізняється обсягом функцій: поверх планувальника він пропонує повну платформу керування. ## Що можна перевірити зараз? Команда може перевірити керування ресурсами Run:ai локально без фізичних GPU, а для vLLM або SGLang — окремо випробувати Model Streamer. - Запустіть local-dev.sh на Linux із 4 CPU, 16 GB RAM і 100 GB вільного місця на диску, щоб перевірити квоти й пули вузлів на 8 імітованих Tesla-A10. Повна збірка залишає близько 44 GB кешів. - Для GPU Fractioning Operator перевірте сумісність вузлів із CUDA 13.4: нова реалізація використовує її механізм обмеження пам’яті. - Якщо інференс працює на vLLM або SGLang, увімкніть Model Streamer прапорцем --load-format runai_streamer і порівняйте час завантаження зі стандартним завантажувачем. За наведеним у MarkTechPost бенчмарком Microsoft, на 8 віртуальних машинах Azure з NVIDIA H100 він завантажував моделі в 3–6 разів швидше, а пропускна здатність становила 80 Gbps проти близько 40 Gbps. Ці результати стосуються завантаження моделей, а не продуктивності всієї платформи Run:ai. --- Теги: AI, NVIDIA, Kubernetes, оркестраціяGPU, OpenSource, інфраструктура Джерело: AiiN — https://aiin.news/article?slug=nvidia-%D0%B2%D1%96%D0%B4%D0%BA%D1%80%D0%B8%D0%BB%D0%B0-run-ai-%D1%81%D0%B0%D0%BC%D0%BE%D1%85%D0%BE%D1%81%D1%82%D0%B8%D0%BD%D0%B3-%D0%B1%D0%B5%D0%B7%D0%BA%D0%BE%D1%88%D1%82%D0%BE%D0%B2%D0%BD%D0%B8%D0%B9-%D0%BF%D1%96%D0%B4%D1%82%D1%80%D0%B8%D0%BC%D0%BA%D0%B0-%D0%BF%D0%BB%D0%B0%D1%82%D0%BD%D0%B0. Цитуючи, посилайтесь на канонічний URL.