Predibase

Avec Ludwig, vous décrivez un modèle, ses entrées et sa configuration d'entraînement dans un seul fichier YAML, puis vous lancez le tout en ligne de commande. Il prend en charge les configurations multitâches et multimodales, et choisit des valeurs par défaut raisonnables, comme la taille du lot. Pour les équipes qui ne veulent pas écrire un script d'entraînement de zéro, cela réduit le travail de préparation.

LoRAX est un moteur de service qui charge de nombreux adaptateurs affinés sur une seule GPU et bascule entre eux à chaque requête. Au lieu de lancer un déploiement séparé par modèle, vous hébergez un ensemble d'adaptateurs sur du matériel partagé. Cette conception réduit le coût de service d'un grand nombre de modèles spécialisés.

En mars 2025, la société a livré une plateforme complète d'affinage par renforcement, qui entraîne un modèle à partir du retour sur ses sorties. L'approche vise à relever la qualité sur des tâches où les exemples étiquetés manquent. Predibase a publié des résultats montrant des gains de précision en code avec un petit modèle.

Ludwig prend en charge des méthodes comme LoRA et l'entraînement quantifié, qui modifient une petite part des poids d'un modèle au lieu de tout réentraîner. Cela réduit la mémoire et le calcul qu'exige une passe d'affinage. Pour les équipes disposant de peu de GPU, c'est souvent ce qui décide si le modèle tient ou non.

Avant le rachat, la plateforme gérée vous laissait affiner et déployer un modèle sans administrer de serveurs, avec une facturation à l'usage. Elle visait justement l'écart entre un prototype rapide et un point de terminaison de production. Cette expérience gérée n'est plus proposée aux nouveaux clients.

Ludwig est devenu un projet hébergé par le groupe IA et Données de la Linux Foundation, maintenu par des salariés de Predibase et des contributeurs externes. Cela garde le framework d'entraînement indépendant de tout fournisseur. Cela signifie aussi que le code survit au produit commercial.