# Nvidia maakt Run:ai open source: GPU-planner voor AI-clusters nu gratis zelf te draaien

- Rubriek: Tools
- Gepubliceerd: 2026-10-19T05:19:18+02:00
- URL: https://aiweekblad.nl/artikel/nvidia-maakt-runai-open-source-gpu-planner-voor-ai-clusters-nu-gratis-zelf-te-draaien
- Bron: MarkTechPost, [NVIDIA Open Sources Run:ai Under Apache 2.0 for Kubernetes GPU Orchestration](https://www.marktechpost.com/2026/10/18/nvidia-runai-open-source-gpu-orchestration-kubernetes/)

> Nvidia heeft de volledige broncode van Run:ai vrijgegeven, de software die bepaalt welke AI-taak wanneer een videokaart in een cluster mag gebruiken. Bedrijven kunnen het platform nu zonder abonnement zelf installeren, maar krijgen dan geen ondersteuning van Nvidia.

Nvidia heeft Run:ai als open source vrijgegeven. Run:ai is software voor bedrijven en onderzoeksinstellingen die AI-modellen trainen of draaien op een gedeelde verzameling videokaarten (GPU's). Het programma verdeelt die dure rekenkracht over teams en taken. Tot nu toe was het een betaald product. De volledige code staat nu op GitHub en via Nvidia's eigen softwarecatalogus NGC.

Nvidia maakte de stap op 13 oktober bekend in een [technische blogpost](https://developer.nvidia.com/blog/nvidia-runai-is-now-open-source-as-part-of-nvidia-dsx-ai-factory-platform/). Run:ai wordt daarmee onderdeel van DSX AI Factory, de verzamelnaam waaronder Nvidia zijn software voor AI-datacenters aanbiedt.

## Wat doet Run:ai precies?

Run:ai draait bovenop Kubernetes, het veelgebruikte systeem om software in containers over servers te verdelen. Kubernetes weet van zichzelf weinig van videokaarten. Run:ai voegt daar een planner aan toe die rekening houdt met GPU's: welke taak krijgt voorrang, hoeveel rekenkracht mag een team gebruiken en hoe deel je één videokaart tussen meerdere kleinere taken.

De software is opgesplitst in vier onderdelen die je ook los kunt gebruiken:

- **KAI Scheduler**: de planner zelf, die Nvidia onder de Apache 2.0-licentie heeft ondergebracht bij de Cloud Native Computing Foundation.

- **GPU Fractioning Operator**: verdeelt één videokaart in stukken, zodat meerdere taken hem tegelijk kunnen gebruiken. Dit onderdeel vervangt Nvidia's eerdere, gesloten oplossing.

- **KAI Resource Management**: regelt projecten, afdelingen, quota en groepen servers.

- **Workload Map**: een bibliotheek die beschrijft welke soorten AI-taken er zijn, zoals trainingsjobs.

## Gratis, maar zonder hulplijn

De zogeheten Community-versie vraagt geen abonnement. Nvidia schrijft er wel uitdrukkelijk bij dat er dan geen ondersteuning van Nvidia bij zit. Wie dat wel wil, kan blijven kiezen voor de betaalde varianten, onder meer via Nvidia AI Enterprise en verschillende cloudmarktplaatsen. Acht partners, waaronder Nebius, Crusoe en Mirantis, bouwen het platform in hun eigen diensten in.

Volgens [MarkTechPost](https://www.marktechpost.com/2026/10/18/nvidia-runai-open-source-gpu-orchestration-kubernetes/) heeft Nvidia geen eigen prestatiecijfers voor deze release gepubliceerd. Ontwikkelaars kunnen het geheel ook lokaal uitproberen zonder echte videokaart: een testomgeving simuleert er acht. Daarvoor is wel een stevige computer nodig; op Linux vraagt dat minimaal 16 GB werkgeheugen en 100 GB vrije schijfruimte. Echte GPU's moeten van Nvidia zijn; kaarten van AMD en Intel worden niet ondersteund.

## Wat betekent dit voor jou?

Voor gewone gebruikers verandert er niets. Voor organisaties die zelf AI-servers beheren, zoals universiteiten, onderzoekslabs en techbedrijven, wordt het goedkoper om hun videokaarten efficiënt te verdelen. Ze kunnen de code bovendien zelf inzien en aanpassen. Tegelijk is de stap ook strategisch: hoe meer clusters op Nvidia's software draaien, hoe aantrekkelijker het blijft om Nvidia-hardware te kopen.

_Met AI geschreven door AIweekblad op basis van [NVIDIA Open Sources Run:ai Under Apache 2.0 for Kubernetes GPU Orchestration](https://www.marktechpost.com/2026/10/18/nvidia-runai-open-source-gpu-orchestration-kubernetes/) (MarkTechPost). Redactiebeleid: https://aiweekblad.nl/redactiebeleid_