shaide
Plataforma de inferencia de LLMs auto-alojada para Kubernetes empresarial. Distribuida, multi-modelo y compatible con API OpenAI. Diseñada para infraestructura soberana sin dependencia de proveedores cloud.
Ficha actualizada 27 sept 2026, 12:35 · upstream 27 sept 2026, 12:32 · release sin release detectada
Qué es shaide
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
shaide es una plataforma de IA auto-alojada que sirve modelos de lenguaje a escala en clusters Kubernetes propios. El objetivo es ejecutar múltiples modelos lado a lado, cada uno con réplicas independientes, y enrutar tráfico entre ellos de manera eficiente.
La plataforma se gestiona como infraestructura como código mediante Pulumi Go. Cada capa -registro interno, gateway, servicio de model serving y capa de aplicación- está definida como proyecto Pulumi, permitiendo versionar y reproducir despliegues de forma consistente.
Está diseñada para organizaciones cuyos datos no pueden salir de su infraestructura: industrias reguladas, defensa, sector público o cualquier entidad que no envíe prompts a APIs de terceros. Soporta instalaciones completamente air-gapped sin acceso a internet.
- Despliegue de múltiples modelos LLM concurrentes en clusters Kubernetes empresariales
- API compatible con OpenAI para integración con agentes y frameworks existentes
- Infraestructura de IA soberana para sectores regulados con requisitos de aislamiento
- Gestión centralizada de flotas de agentes con balanceo de carga entre modelos
- Soporte nativo para instalaciones air-gapped sin egress de datos
- Infraestructura como código con Pulumi Go para despliegues reproducibles
- Motor de inferencia vLLM con orquestación llm-d para múltiples réplicas
- API compatible OpenAI que permite integración sin cambios en clientes existentes
- Instalador interactivo unificado que despliega toda la plataforma con un comando
- Estado de early access: interfaces y configuración pueden cambiar entre versiones
- Requiere Kubernetes 1.30+ con Go 1.26+ como prerequisitos del cluster
- No incluye Dockerfile ni Compose, requiere instalación manual en clusters existentes
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.
Instalar sobre cluster Kubernetes existente (EKS, GKE, AKS o RKE2). Proporcionar manifest de modelos YAML y token HF. Usar STORAGE_PATH para persistencia. Verificar endpoint /v1/models tras instalación. Pin release específico en lugar de main por inestabilidad actual.
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.