gpuharbor
GPUHarbor es un panel de control autoalojado para gestionar modelos de IA en RunPod. Expone APIs compatibles con OpenAI, gestiona pods GPU individuales con bloqueo de costes por defecto y permite editar perfiles de modelos directamente desde el navegador.
Ficha actualizada 28 sept 2026, 20:22 · upstream 28 sept 2026, 20:11 · release v0.1.2
Qué es gpuharbor
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
GPUHarbor actúa como plano de control para ejecutar modelos curados en infraestructura RunPod. El controlador se ejecuta donde funcione Docker sin necesidad de GPU, mientras que solo el pod consume recursos costosos. La arquitectura sigue el patrón Browser -> GPUHarbor -> RunPod pod -> runtime image -> model.
Gestiona perfiles de modelos persistentes en disco editables desde la interfaz web, permite seleccionar GPUs del catálogo en vivo de RunPod o elegir regiones automáticamente, y muestra previsualizaciones de solicitudes con secretos eliminados antes de cualquier gasto. Soporta opcionalmente Open WebUI, OpenHands y TLS según configuración.
El núcleo es Apache-2.0 abierto; características pagadas como múltiples proveedores, equipos y automatización de costes están en un componente separado cerrado. La documentación incluye políticas de seguridad, estado honesto de lo probado y guías de configuración.
- Gestionar despliegues individuales de modelos LLM en infraestructura RunPod sin tocar el pod directamente
- Exponer endpoints compatibles con OpenAI para clientes externos o integraciones internas
- Editar perfiles de modelos desde la interfaz web sin modificar código del proyecto
- Previsualizar configuraciones de despliegue antes de activar acciones facturables en RunPod
- Licencia Apache-2.0 para el núcleo abierto con componentes premium separados
- Controlador ligero que no requiere GPU, solo el pod consume recursos costosos
- Interfaz web para edición de perfiles de modelos persistente entre versiones
- Bloqueo de costes activado por defecto para evitar gastos accidentales
- Selección dinámica de GPUs del catálogo en vivo de RunPod
- Solo gestiona un pod GPU a la vez, no múltiples instancias simultáneas
- Funcionalidades avanzadas como múltiples proveedores y automatización están en componente cerrado
- Algunos perfiles de modelos incluidos no han sido probados en hardware real según documentación
- No redistribuye pesos de modelos; descarga automática por primera vez en el pod
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Ejecutar con Docker donde funcione. Activar acciones facturables con RUNPOD_ALLOW_BILLABLE_ACTIONS=true. Verificar perfiles de modelos en docs/STATUS.md antes de producción. Para LAN, usar HTTPS o variante interactiva según SETUP.md.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.