竞品对比
CubeStudio 与 MLflow / Kubeflow 对比
客观多维对比，供横向选型参考。CubeStudio 的核心差异在于国产化适配与一站式开箱即用。
三者都是优秀的开源项目，但定位不同：MLflow 更像一个轻量的实验与模型管理库，适合已有工程体系、只想补齐实验跟踪与模型登记的团队；Kubeflow是一套运行在 Kubernetes 上的 ML 工具集，能力强但需要自行拼装组件并长期运维；CubeStudio 则是面向国产化的一站式 MLOps 平台，Web 界面开箱即用，并原生适配国产芯片与私有化部署。下表从实际落地关注的维度做客观对比。
| 对比维度 | CubeStudio推荐 · recommended国产化一站式 MLOps | MLflow实验 / 模型管理库 | KubeflowK8s ML 工具集 |
|---|---|---|---|
| 定位 | ✓国产化一站式 MLOps 平台 | 实验/模型管理库 | K8s 上的 ML 工具集 |
| 开箱即用度 | ✓Web 全流程，开箱即用 | 以 SDK/库为主 | 需组件拼装与运维 |
| 国产芯片适配 | ✓原生适配鲲鹏/飞腾/海光/昇腾 | 需自行适配 | 需自行适配 |
| 国产操作系统 | ✓适配麒麟 / 统信 UOS | 不涉及 | 需自行适配 |
| 部署方式 | ✓单机~多节点 Kubernetes，开箱即用 | 单机/服务化 | 依赖 Kubernetes，需自行拼装 |
| 内网离线部署 | ✓支持完全离线安装 | 可离线（自行打包） | 复杂 |
| 数据标注 | ✓内置 | 无 | 无（需集成） |
| 大模型微调/推理 | ✓内置大模型训推流水线 | 需自行集成 | 需自行集成 |
| 开源协议 | ✓MIT（更宽松，可源码交付/转售） | Apache-2.0 | Apache-2.0 |
| 商用 | ✓免费商用 | 免费商用 | 免费商用 |
说明：MLflow / Kubeflow 为优秀的开源项目，本表仅就国产化与一站式落地维度做客观对比，结论以各项目官方文档为准。
why CubeStudio
三个关键差异
面向国内私有化机器学习 / 大模型与算力调度场景，CubeStudio 的取舍很明确。
01
国产化自主可控
原生适配鲲鹏 / 飞腾 / 海光 / 昇腾与麒麟、统信 UOS，信创环境直接落地，无需自行移植。
02
一站式开箱即用
Web 全流程覆盖数据标注到模型上线，省去 Kubeflow 式的组件拼装与长期运维成本。
03
私有化与离线
基于 Kubernetes，单机（单节点）到多节点集群均可，支持完全内网离线部署，数据与模型不出域。
how to choose · 选型建议
该怎么选？
没有绝对的优劣，关键看团队的现状与诉求。给一个务实的判断参考。
选 CubeStudio，如果你
- 需要国产化 / 信创适配，或私有化、内网离线部署
- 希望一个平台开箱即用地覆盖数据到上线的端到端流程
- 团队人手有限，不想长期拼装与维护一堆独立组件
选 MLflow，如果你
- 已有成熟的训练与部署体系，只需补齐实验跟踪与模型注册
- 倾向以 SDK / 库的方式轻量集成到现有工程
- 暂无国产化与私有化平台的诉求
选 Kubeflow，如果你
- 有专门的平台 / 运维团队，愿意在 Kubernetes 上自行集成
- 追求高度定制，愿意承担组件拼装与长期运维成本
- 已深度使用云原生生态