NVIDIA maakte op 13 oktober 2026 de volledige Run:ai-platform open source, inclusief het control plane en de clusterdiensten. Run:ai is software voor Kubernetes die AI-workloads en GPU-resources beheert. Voor teams betekent de release dat ze de complete zelfbeheerde omgeving kunnen gebruiken of losse onderdelen kunnen inzetten; de infrastructuur en het dagelijkse beheer blijven bij de operator. NVIDIA maakte de release bekend.
De Community Product vereist geen betaald Run:ai-abonnement of support-entitlement. NVIDIA-ondersteuning voor bedrijven is daarbij niet inbegrepen. Het verschil is praktisch: de software is open source, maar een organisatie moet zelf de omgeving beheren en kan voor ondersteuning kiezen voor een afzonderlijke, support-entitled release.
Wat de release bevat
NVIDIA beschrijft Run:ai als de complete platform, niet alleen als een verzameling planners. Een installatie bestaat uit een control plane en minstens één Run:ai-cluster. Het control plane centraliseert onder meer resourcebeheer, het indienen van workloads, monitoring en analyses; de clusterdiensten ondersteunen de planning en het beheer van workloads. NVIDIA’s installatieoverzicht beschrijft beide onderdelen.
De officiële Run:ai-repository vermeldt Apache License 2.0 voor de softwarecode. Voor sommige geneste code en assets van derden staan afzonderlijke licenties vermeld. De repository bevat daarnaast onder meer de installer, CLI, MCP-server, documentatie, clientpakketten en een lokale ontwikkelomgeving.
Vier onderdelen, vier verschillende taken
De componenten vullen elkaar aan, maar zijn niet onderling uitwisselbaar. NVIDIA beschrijft ze als afzonderlijk inzetbaar. De aankondiging van NVIDIA licht hun functies en grenzen toe.
| Onderdeel | Functie | Grens of relatie |
| KAI Scheduler | Plant GPU-workloads in Kubernetes. NVIDIA noemt onder meer gang scheduling, fair share, quota’s, plaatsing op basis van topologie, GPU-deling en Dynamic Resource Allocation. | Kan ook in een bestaand cluster worden ingezet zonder de volledige Run:ai-platform. |
| GPU Fractioning Operator | Integreert CUDA-native GPU-fracties met Kubernetes en biedt statistieken per pod. | Is onafhankelijk van de scheduler; de CUDA-driver handhaaft een geheugenlimiet voor elke workloadfractie. |
| KAI Resource Management | Beheert GPU-toewijzing voor projecten en afdelingen met garanties, delen, fair share en quota’s; groepeert hardware in node pools. | Kan worden gecombineerd met KAI Scheduler. |
| Workload Map | Biedt een gemeenschappelijke manier om verschillende Kubernetes-workloadtypen te beschrijven en beheren. NVIDIA noemt dit een offline bruikbare Go-bibliotheek. | Plant of queued workloads niet zelf en verzorgt ook geen autoscaling of verspreiding over clusters. |
Die taakverdeling helpt bij een eerste technische keuze: voor GPU-planning ligt de rol bij KAI Scheduler, terwijl KAI Resource Management de organisatorische verdeling regelt. Workload Map beschrijft workloads; het voert de planning niet uit.
Hoe een zelfbeheerde installatie is opgebouwd
Het control plane en het eerste cluster kunnen samen op één Kubernetes-cluster draaien. Een organisatie kan het control plane ook op een apart cluster plaatsen en verbinden met een of meer Run:ai-clusters; in die opstelling is netwerkverbinding nodig. NVIDIA documenteert Kubernetes en OpenShift, zowel in verbonden als in airgapped omgevingen.
NVIDIA beschrijft Guided Installation en Manual Helm als installatiepaden. Base Command Manager staat vermeld voor de Support-Entitled Release. Voor open-source platformimages en Helm-charts is geen NGC API-sleutel vereist; voor de Support-Entitled Release wel. De Community Product-download vereist wel dat gebruikers de toepasselijke NVIDIA-softwarelicentie en productspecifieke voorwaarden accepteren.
Wat de operator zelf moet regelen
Bij zelfbeheer levert en beheert de operator de onderliggende hardware, het besturingssysteem, de Kubernetes-distributie, het netwerk en de opslag. NVIDIA noemt GPU Operator en Prometheus als vereisten. NVIDIA neemt de verantwoordelijkheid voor de Run:ai-platformimages en Helm-charts; de rest van de infrastructuur is aan de organisatie.
Wie NVIDIA-ondersteuning nodig heeft, kan de Support-Entitled Release overwegen: NVIDIA beschrijft die als dezelfde onderliggende platform met support-SLA’s en andere aanvullende aanspraken. De open-source Community Product biedt communityondersteuning. Zo blijven softwaretoegang, infrastructuurbeheer en ondersteuning drie afzonderlijke onderdelen van de keuze.
