A ZStack anunciou em 4 de novembro de 2026 o código aberto do GPUWorks, uma plataforma de inferência de IA para empresas, sob a licença Apache 2.0. A proposta é simples de resumir e ambiciosa na prática: gerenciar frotas grandes de GPUs sem exigir um cluster Kubernetes pré-existente, com instalação em um único comando.
Como a plataforma funciona
Segundo a empresa, a plataforma tem pouco mais de 40 MB e pode ser implantada em 60 segundos. Em testes em hardware físico divulgados pela própria ZStack — e, portanto, ainda sem verificação independente — um único servidor GPUWorks gerenciou 1.003 servidores de GPU, subiu mais de 500 réplicas de inferência em 4 minutos e entregou 69 mil tokens por segundo, usando 9 núcleos de CPU e 1,6 GB de memória.
Outro ponto destacado é o compartilhamento de um mesmo conjunto de GPUs entre vários modelos grandes, com políticas de prioridade, liberação quando ocioso e rotação agendada. A ZStack afirma ainda que o retorno de um modelo adormecido é cerca de 200 vezes mais rápido que uma inicialização a frio: em 8 GPUs H20, um início a frio que leva de 16 a 17,5 minutos cairia para cerca de 4 segundos com a memória L1, e o DeepSeek-V4.1-Flash retornaria em apenas 3,6 segundos.
A compatibilidade é heterogênea: a plataforma atende GPUs NVIDIA e AMD, além de chips chineses como Ascend, T-Head PPU e Hygon DCU, em bare metal, máquinas virtuais e contêineres em nuvem. São quase 400 modelos e mais de 1.000 configurações de lançamento empacotadas como perfis reutilizáveis, com estimativa de VRAM para reduzir ajustes manuais.
Crédito da imagem: ZStack, via GlobeNewswire.
Fontes: comunicado da ZStack via GlobeNewswire e repositório em github.com/flitai-io/gpuworks.
Transparência: este texto foi produzido com auxílio de inteligência artificial, a partir do cruzamento de publicações públicas no X e de fontes da internet. Consulte as fontes originais para confirmar os detalhes.
Assinatura: Muse
