Crear, alojar y operar soluciones de IA.

Logo de MLflow

MLflow

MLflow — sigue tus experimentos de ML, versiona tus modelos y traza tus apps LLM en tu VPS, con HTTPS y protegido.

2 GB mínimo RAM 1 vCPU Puerto 8111 En validación

En validación

La instalación automática de esta solución está lista y ahora mismo está pasando nuestras pruebas en un servidor real. El pedido se abrirá en cuanto termine la validación.

Código fuente

Stack técnico

DockerPythonMLflowSQLite
RAM mínima2 GB mínimo
CPU mínima1 vCPU
Puerto por defecto8111
SO compatiblesDistribuciones Linux a elegir

MLflow es la plataforma open source de referencia (licencia Apache-2.0) para el ciclo de vida del machine learning. Un servidor de seguimiento central recibe, desde tus notebooks y tus scripts de entrenamiento, los parámetros, las métricas y los artefactos de cada ejecución: comparas tus pruebas lado a lado en lugar de copiarlas en una hoja de cálculo.

El registro de modelos versiona lo que pasa a producción, con alias e historial. Y para las aplicaciones de IA generativa, MLflow traza cada llamada a un modelo de lenguaje — entradas, salidas, latencia, pasos intermedios — para entender una respuesta y depurarla. En ServOrbit, el servidor se instala en un clic, protegido por una cuenta de administrador y servido por HTTPS.

Funcionalidades clave

Seguimiento de experimentos — parámetros, métricas y artefactos de cada ejecución, comparados en la interfaz.
Registro de modelos — versiones, alias e historial de los modelos destinados a producción.
Trazas LLM — entradas, salidas, latencia y pasos de tus aplicaciones de IA generativa.
Artefactos servidos por el servidor — archivos, gráficos y modelos subidos y descargados por HTTPS, sin almacenamiento S3 que configurar.
Todas las bibliotecas de Python — scikit-learn, PyTorch, Transformers, XGBoost, OpenAI, LangChain, con registro automático.
Acceso protegido — cuenta admin con contraseña generada, exigida en la interfaz y en la API; las demás cuentas solo ven lo que se les comparte.

¿Cuándo usar esta solución?

1

Comparar tus entrenamientos

Cada ejecución de un notebook o de un script registra sus hiperparámetros y sus métricas: encuentras en una pantalla la prueba con mejores métricas, con su código y sus archivos.

2

Un registro de modelos para el equipo

Registra los modelos validados, dales un alias como «production» y deja que tu servicio de inferencia cargue siempre la versión correcta.

3

Depurar una aplicación LLM

Activa las trazas de tu asistente o de tu agente: cada petición muestra sus llamadas al modelo, sus pasos y su latencia, para entender una mala respuesta.

Desplegar MLflow en su VPS

Guía optimizada para los VPS Cloud ServOrbit.

01

Crear el VPS y elegir la dirección

Contrata un VPS Ubuntu 24.04 con 2 GB de RAM (4 GB y más disco si guardas muchos modelos). MLflow exige un dominio: tus scripts, tus notebooks y tu equipo se conectan a él, así que debe responder por HTTPS con un nombre estable. Se abre en un subdominio de uno de tus dominios, o en el subdominio gratuito del VPS (mlflow.{dns_slug}.servorbit-dns.com), HTTPS incluido. No hace falta comprar un nombre de dominio.

02

Instalar MLflow desde Aplicaciones en 1 clic

En tu área de cliente, selecciona MLflow, elige la dirección y haz clic en Instalar. El script despliega el contenedor oficial, genera la contraseña de la cuenta admin, activa la autenticación en la interfaz y la API, limita los nombres de host aceptados a tu dirección y configura el proxy inverso nginx con HTTPS.

03

Iniciar sesión por primera vez

Abre https://tu-dominio/: el navegador pide unas credenciales. Introduce admin y la contraseña que aparece en tu área de cliente. Puedes cambiarla después con la API users/update-password; la nueva contraseña se conserva tras los reinicios.

04

Conectar tus notebooks y scripts

Define MLFLOW_TRACKING_URI=https://tu-dominio, MLFLOW_TRACKING_USERNAME=admin y MLFLOW_TRACKING_PASSWORD, y luego llama a mlflow.start_run() en tu código. Los parámetros, las métricas y los artefactos aparecen en la interfaz al instante.

05

Abrir el acceso a tu equipo

Crea una cuenta por persona con la API users/create, conectado como admin. Una cuenta nueva no ve ningún experimento hasta que le compartes uno: los permisos se conceden experimento por experimento y modelo por modelo.

Preguntas frecuentes

Langfuse se centra en las aplicaciones LLM: trazas, evaluaciones y gestión de prompts. MLflow cubre todo el ciclo del machine learning — seguimiento de entrenamientos, comparación de pruebas, registro de modelos — y también traza aplicaciones de IA generativa. Para un equipo que entrena sus propios modelos, MLflow es el punto de partida adecuado; para una aplicación que solo llama a LLM, Langfuse está más especializado.

Soluciones complementarias

Inteligencia Artificial

Langfuse

Plataforma de observabilidad LLM de código abierto: trace cada llamada de IA, evalúe la calidad de las respuestas, gestione sus prompts y compare los costos de los modelos — autoalojada en su VPS.

Desarrollo

marimo

Notebook de Python reactivo y de código abierto: notebooks guardados como archivos .py, celdas que se recalculan solas y librerías de datos incluidas.

Inteligencia Artificial

Ollama

Sirva LLM de código abierto desde su propio servidor. Descargue Llama 3, Mistral, Qwen o DeepSeek con un solo comando, detrás de una API compatible con OpenAI y sin coste por token.

Crear, alojar y operar soluciones de IA.

MLflow todavía no se puede pedir.

La instalación automática de esta solución está lista y ahora mismo está pasando nuestras pruebas en un servidor real. El pedido se abrirá en cuanto termine la validación.

¿Necesita ayuda?

Consulte nuestro centro de ayuda y nuestra FAQ, o contacte con nuestro equipo: llamada, WhatsApp o correo electrónico. Soporte en francés, inglés y árabe.

Escribir por WhatsAppse abre en una pestaña nueva
o escribirnos