Predibase

Con Ludwig describes un modelo, sus entradas y su configuración de entrenamiento en un solo archivo YAML, y lo ejecutas desde la línea de comandos. Admite configuraciones multitarea y multimodal, y elige valores razonables por defecto, como el tamaño del lote. Para equipos que no quieren escribir un script de entrenamiento desde cero, recorta el trabajo de preparación.

LoRAX es un motor de servicio que carga muchos adaptadores ajustados en una sola GPU y alterna entre ellos según la petición. En vez de levantar un despliegue aparte por modelo, alojas un conjunto de adaptadores en hardware compartido. Ese diseño abarata servir un conjunto grande de modelos especializados.

En marzo de 2025 la empresa lanzó una plataforma integral de ajuste fino por refuerzo, que entrena un modelo a partir de la retroalimentación sobre sus salidas. La idea es subir la calidad en tareas donde escasean los ejemplos etiquetados. Predibase publicó resultados que mostraban mejoras en la precisión de código con un modelo pequeño.

Ludwig admite métodos como LoRA y el entrenamiento cuantizado, que cambian una porción pequeña de los pesos de un modelo en lugar de reentrenarlos todos. Eso reduce la memoria y el cómputo que pide una corrida de ajuste. Para equipos con pocas GPU, muchas veces marca la diferencia entre que quepa o no.

Antes de la adquisición, la plataforma gestionada te dejaba ajustar y desplegar un modelo sin administrar servidores, y pagabas según el uso. Apuntaba justo al hueco entre un prototipo rápido y un endpoint de producción. Esa experiencia gestionada ya no se ofrece a clientes nuevos.

Ludwig pasó a ser un proyecto alojado por el grupo de IA y Datos de la Linux Foundation, con personal de Predibase y colaboradores externos manteniéndolo. Así el entorno de entrenamiento queda independiente de cualquier proveedor. También significa que el código sobrevive al producto comercial.