LinkAMDSammlung
Entwickler suchen zunehmend nach Alternativen zum marktbeherrschenden Nvidia-Ökosystem. Mit kostenlosen Ressourcen, Cloud-Credits und Day-0-Modellunterstützung senkt AMD die Hürden für den Einstieg in den eigenen Software-Stack ROCm.
Das Programm kombiniert finanzielle Anreize wie Cloud-Guthaben mit Schulungsangeboten und Community-Support. Technisch setzt AMD den Fokus auf die Beschleunigung populärer Open-Source-Frameworks wie SGLang und vLLM sowie die Bereitstellung von ROCm 10. Entwickler erhalten damit eine strukturierte Umgebung, um Inferenz und Training auf AMD Instinct- und Ryzen-Hardware ohne anfängliche Hardware-Investitionen zu evaluieren.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Link:Donato Capitella
Donato Capitella stellt mit den Strix Halo AI Toolboxes eine Sammlung containerisierter Laufzeitumgebungen und Systemkonfigurationen für AMDs Mobilplattform Ryzen AI MAX+ bereit. Die Plattform erlaubt dank Unified Memory bis zu 128 GB gemeinsamen Arbeitsspeicher für lokale KI-Workloads wie LLM-Inferenz, Bildgenerierung und Fine-Tuning.
Link:Modular
Modular stellt MAX (Version 26.5) vor, ein Open-Source-Framework für AI-Serving und Modellentwicklung über CPUs, GPUs und ASICs hinweg. Es verzichtet auf CUDA- oder PyTorch-Abhängigkeiten und nutzt die Programmiersprache Mojo für portable GPU-Kernel.
Link:Modular
Modular stellt seine Inferenzplattform vor, die KI-Workloads herstellerunabhängig über unterschiedliche Architekturen wie NVIDIA, AMD, TPU, Trainium und Apple Silicon ausführt. Der Stack umfasst das Serving-Framework MAX und die Programmiersprache Mojo.
Link:Donato Capitella
Das Projekt pi-bench testet den pi-coding-agent auf lokaler AMD-Hardware wie Strix Halo und Radeon 9700 GPUs. Ziel ist es, die Leistungsfähigkeit aktueller Modelle und Quantisierungen ohne Cloud-Abhängigkeit anhand von SWE-bench-Aufgaben zu ermitteln.
Link:mojolang.org
Die Programmiersprache Mojo wurde in Version 1.0.0 veröffentlicht und unter der Apache-2.0-Lizenz als Open Source auf GitHub bereitgestellt. Mojo positioniert sich als Systemsprache für heterogene Hardware im KI-Bereich, die hohe Performance mit Python-Interoperabilität kombiniert.
Link:lmcache.ai
LMCache ist eine modulare Open-Source-Infrastruktur für den Key-Value-Cache (KV-Cache) bei LLM-Inferenzen. Das System speichert, komprimiert, durchsucht und teilt vorberechnete KV-Caches über GPU-, CPU- und externe Speicher hinweg, um redundante Prefill-Berechnungen zu minimieren.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
