返回 AI 工具目录
MLEM
基础设施人工精选最近核验 2026年7月23日
MLEM 是 Iterative.ai 推出的机器学习模型打包、服务与部署工具,采用 GitOps 思路,把模型的元数据、依赖与输入要求自动记录为可版本化的 YAML 文件,从而在不同环境中一致部署。它能把模型打成 Python 包或 Docker 镜像,部署到 Heroku、SageMaker、Kubernetes 等平台,提供 CLI 与 Python API,并与 Git 及 DVC、GTO 等同生态工具配合。需要注意:该仓库已于 2023 年 9 月归档,官方称未来某天再恢复,当前不再活跃维护,选型时应据此评估。Python 编写,Apache 2.0 许可。
定价开源部署本地运行国内可达国内可达性待核验
解决什么问题
- 把模型元数据依赖记录为可版本化 YAML
- 将模型打成 Python 包或 Docker 镜像
- 部署到 Heroku SageMaker Kubernetes 等
- 与 Git 及 DVC 等同生态工具配合
适合
- 想用 GitOps 管理模型部署的团队
- 已用 DVC 等 Iterative 工具链的项目
- 需要模型元数据版本化的场景
不适合
- 仓库已归档 不建议新项目采用
- 不再活跃维护 缺少更新与修复
- 依赖 Iterative 生态 单用价值有限
- 生产选型应优先活跃替代方案
如何接入
- pip install mlem 安装
- 代码中导入并保存模型即可
- CLI 或 Python API 触发部署
- 与 DVC GTO CML 等配合使用
已知限制
- 2023 年 9 月已归档 停止维护
- 与新版平台的兼容性无保障
- 功能依赖同生态其它工具
- 部署目标平台需自备账号与配额
接入与使用事实
- 部署方式
- 本地运行
- 实现语言
- Python
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- 待确认
- 国内可达性
- 国内可达性待核验
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
暂无可公开的来源链接。