개발 · training · 평가를 하나로 잇습니다.
Maxis는 Kueue 스케줄링과 워크로드 실행, 개발·training·평가를 하나의 플랫폼에서 제공합니다. 검증된 작업 템플릿과 원클릭 fine-tuning으로 모델을 다듬고, 대기열과 우선순위로 GPU를 프로젝트별로 나눕니다. 파이프라인과 버전 관리로 어떤 설정이 어떤 결과를 냈는지 되짚습니다. Maxis에서 만든 모델은 바로 Metis의 serving으로 이어집니다.
데이터 수집부터 fine-tuning을 마친 모델의 endpoint까지 엔드투엔드
기업이 통제하는 환경 안에서 Maxis를 운영합니다.
자체 데이터센터와 폐쇄망을 포함해, 배포 위치와 무관하게 같은 파이프라인 오케스트레이션과 실험 추적, 리소스 스케줄링을 제공합니다.
On-Prem Private Cloud
완전한 폐쇄망 환경을 포함하여 자체 데이터센터 내에서 Maxis를 완전히 운영합니다. training은 귀사의 GPU와 NPU 하드웨어에서, 귀사의 데이터로, 귀사의 보안 경계 내에서 실행됩니다.
실험부터 프로덕션 모델까지, 완결된 training 라이프사이클.
개발 · fine-tuning
하나의 환경에서 training과 fine-tuning
노트북 기반 모델 개발, training 실행, fine-tuning을 하나의 통합 환경에서 수행합니다. 플랫폼을 벗어나거나 도구 간 컨텍스트를 전환하지 않고 training 작업을 구성, 실행, 모니터링합니다.
워크로드 실행
표준화된 워크로드 실행
재현 가능한 템플릿과 볼륨 기반 구성을 통해 training 및 배치 워크로드를 실행합니다. 모든 실행은 버전 관리되고 재현 가능하며 감사 가능합니다 — 엔터프라이즈 규모에서 "내 환경에서는 작동했는데" 문제를 원천 차단합니다.
자원 스케줄링
AI 인프라 오케스트레이션
클러스터와 워크로드 전반에 걸쳐 GPU와 NPU 리소스를 지능적으로 스케줄링합니다. 우선순위 기반 대기열 관리, 재시도/백오프 로직, 활용률 인식 배치를 통해 동시 training 작업 전반의 하드웨어 효율성을 극대화합니다.
Experiment Tracking
모든 실행의 자동 기록
하이퍼파라미터, 메트릭, 아티팩트, 하드웨어 활용률이 모든 training 실행마다 자동으로 기록됩니다. 실험을 비교하고, 모든 결과를 재현하며, 이전 작업을 기반으로 자신 있게 발전시킬 수 있습니다.
Distributed Training Pipelines
fine-tuning부터 사전 training까지 확장
멀티노드, 멀티 GPU 및 NPU training 구성을 네이티브로 관리합니다. 커스텀 병렬 처리 구성이나 인프라 재작업 없이 단일 머신 fine-tuning부터 대규모 분산 사전 training까지 확장합니다.
Metis Integration
training에서 프로덕션 serving으로 직접 연결
Maxis에서 training과 fine-tuning을 마친 모델은 Metis의 inference endpoint로 배포됩니다 — 수동 내보내기나 형식 변환 없이 training부터 프로덕션 inference까지 하나의 거버넌스 체계 아래 완결됩니다.
Maxis가 스택에서 담당하는 역할.
Maxis는 Metis의 serving으로 이어지는 모델을 만드는 training 레이어입니다.
Maxis
AI training 및 fine-tuning 플랫폼. 실험 구성부터 재현 가능한 모델 생성까지 전체 라이프사이클을 관리합니다 — GPU와 NPU 하드웨어 전반에서, 분산 또는 단일 노드 구성으로.
이럴 때 Maxis를 씁니다.
공개 모델을 우리 데이터로 다듬어 써야 할 때
검증해 둔 모델에서 출발해 사내 데이터로 fine-tuning을 합니다.
여러 팀이 GPU를 나눠 써야 할 때
대기열과 우선순위로 순서를 정하고, 프로젝트별로 몫을 나눕니다.
어떤 설정이 어떤 결과를 냈는지 되짚어야 할 때
파이프라인과 버전 관리로 실행을 재현합니다.
training 데이터를 회사 밖으로 낼 수 없을 때
데이터도 모델도 고객 환경 안에 있습니다.