Viral hari ini di kalangan insinyur infrastruktur kecerdasan buatan datang dari NVIDIA. Perusahaan itu melepas seluruh platform Run:ai sebagai perangkat lunak sumber terbuka pada Selasa, 13 Oktober 2026. Langkah ini membuat alat pembagi GPU di klaster Kubernetes bisa dipakai tanpa langganan berbayar.
Viral Hari Ini: Run:ai Jadi Open Source
Pengumuman resmi disampaikan lewat blog teknis NVIDIA. Run:ai sebelumnya dikenal sebagai perangkat lunak untuk mengatur beban kerja AI dan membagi sumber daya GPU di antara banyak tim pada satu klaster.
Seluruh kode sumber kini tersedia di repositori GitHub organisasi NVIDIA DSX AI Factory. Platform ini juga bisa dipasang lewat katalog perangkat lunak NVIDIA NGC dalam bentuk Community Product dengan Helm chart.
Menurut NVIDIA, Run:ai sudah dipakai bertahun-tahun untuk mengalokasikan GPU secara dinamis sepanjang siklus hidup proyek, mulai dari pengolahan data, pelatihan model, sampai inferensi.
Selama ini Run:ai dijual dengan lisensi komersial. Keputusan melepas kodenya membuat kemampuan yang sebelumnya eksklusif bisa diperiksa siapa pun, termasuk tim pengembang di negara yang tidak punya perjanjian khusus dengan NVIDIA.
Langkah ini mengikuti pola yang sama dengan KAI Scheduler yang lebih dulu dilepas. Bedanya, kali ini NVIDIA melepas seluruh platform, bukan hanya satu komponen penjadwalan.
Pemberitaan industri mencatat langkah ini sebagai perubahan model bisnis. Blockchain News menyebut platform itu kini tersedia tanpa langganan berbayar atau dukungan perusahaan, sementara IA en un Minuto menyoroti lisensi Apache 2.0 pada repositori tersebut.
Iklan
Campus Commercial Park: rukost di kawasan kampus
C.CO Park menghadirkan kawasan ruko dan kost dalam satu gerbang, dirancang untuk mahasiswa dan penghuni sekitar kampus. Cocok untuk yang mencari aset produktif dengan pengelolaan kawasan yang tertata.
Empat Komponen yang Bisa Dipakai Terpisah
Rilis ini tidak berupa satu paket yang harus dipasang utuh. Ada empat komponen modular yang bisa diadopsi sendiri-sendiri sesuai kebutuhan tim.
Komponen pertama adalah KAI Scheduler, penjadwal yang sadar GPU untuk Kubernetes. NVIDIA melepasnya dengan lisensi Apache 2.0 dan menyumbangkannya ke Cloud Native Computing Foundation sebagai proyek Sandbox.
Komponen kedua adalah GPU Fractioning Operator. Alat ini membawa pembagian GPU asli CUDA ke Kubernetes, dengan batas memori yang ditegakkan langsung oleh pengendali CUDA. Implementasi proprietary lama dipensiunkan dan digantikan kemampuan bawaan CUDA 13.4.
Dua komponen sisanya adalah KAI Resource Management untuk kuota dan hierarki organisasi, serta Workload Map yang menyeragamkan cara berbagai jenis beban kerja Kubernetes dijelaskan dalam satu kontrak pengelolaan.
Pemisahan empat komponen itu penting bagi tim yang sudah punya sistem sendiri. Mereka bisa mengambil satu bagian saja, misalnya penjadwalnya, tanpa mengganti seluruh tumpukan perangkat lunak yang sudah berjalan.
Untuk beban kerja yang beragam seperti pelatihan terdistribusi, layanan inferensi, dan pipeline data, Workload Map menyediakan cara seragam agar semuanya dikelola dengan perlakuan yang sama.
Cara Memasang dan Dukungan yang Tidak Termasuk
Tim yang ingin mencoba bisa langsung mengunduh kode dari GitHub atau memakai paket komunitas di NGC. Instalasi lewat NGC tidak memerlukan langganan Run:ai berbayar.
Yang perlu dicatat, dukungan perusahaan tidak termasuk dalam paket gratis itu. Siapa pun yang mengunduh dari NGC harus menyetujui Perjanjian Lisensi Perangkat Lunak NVIDIA beserta ketentuan khusus produk AI mereka.
NVIDIA tetap menjual versi komersial dengan dukungan resmi. Versi itu tersedia sebagai produk mandiri, lewat NVIDIA Mission Control, NVIDIA AI Enterprise, dan sejumlah pasar awan tertentu.
Sederhananya, ada dua jalur. Tim dengan kemampuan internal bisa merakit dan memelihara sendiri dari kode terbuka, sedangkan perusahaan yang butuh jaminan dukungan tetap membeli versi komersial.
Pilihan jalur mandiri memang lebih murah, tetapi menuntut keahlian Kubernetes dan pemantauan GPU yang tidak dimiliki setiap organisasi. Salah konfigurasi kuota bisa membuat satu proyek mengambil kapasitas proyek lain.
NVIDIA juga menyarankan pembacaan langsung pada repositori resmi untuk memastikan versi komponen yang dipakai sesuai dengan basis kode yang berjalan. Karena kode dibuka, pembaruan bisa datang lebih cepat dari siklus rilis komersial.
