Weights & Biases ist die KI-Entwicklerplattform, mit der Ingenieurinnen und Ingenieure Experimente protokollieren, Hyperparameter durchsuchen, Datensätze und Modelle versionieren sowie LLM-Agenten im Produktivbetrieb nachverfolgen. Im Mai 2025 von CoreWeave übernommen.
Hast du dieses Tool genutzt? Bewerte es
Hast du dieses Tool genutzt? Bewerte es
Weights & Biases, fast durchgängig als W&B abgekürzt und unter dem Paketnamen wandb erreichbar, der dieser Übersicht ihren Slug gibt, ist eine Plattform für KI-Entwicklerinnen und -Entwickler, deren erklärter Zweck darin besteht, das Referenzsystem für die Arbeit an KI zu sein. Die offizielle Website formuliert das Versprechen so: die Entwicklerplattform, um KI-Agenten, Anwendungen und Modelle mit Zuversicht zu bauen. Die Wendung, die auf allen Produktseiten wiederkehrt, ist bewusst archivarisch gehalten: Tausende Unternehmen stützen sich auf W&B als system of record für das Training ihrer Modelle und die Entwicklung ihrer KI-Anwendungen.
Diese Einordnung ist wichtig, denn sie erklärt auch, was das Produkt nicht ist. Es ist kein Modell, kein gehostetes Notebook und keine Oberfläche zum Zusammenklicken für Menschen, die keinen Code schreiben. Jede bedeutsame Interaktion mit W&B beginnt innerhalb eines Python-Programms, das bereits etwas trainiert oder bereits ein Sprachmodell aufruft. Die Aufgabe des Werkzeugs besteht darin, dieses Programm zu beobachten, das Geschehene in dauerhafter und vergleichbarer Form festzuhalten und den entstandenen Datensatz Monate später für Kolleginnen und Kollegen durchsuchbar zu machen, die beim Lauf selbst nicht dabei waren. Anders gesagt: Die Disziplin, der es dient, heißt ML-Experiment-Tracking.
Gegründet wurde das Unternehmen 2017 von drei Personen. Die erste ist Lukas Biewald, die zweite Chris Van Pelt und die dritte Shawn Lewis. Alle drei hatten zuvor gemeinsam ein Unternehmen für Datenannotation namens Figure Eight aufgebaut. Die Seite über das Unternehmen benennt das damalige Problem ungewöhnlich konkret: Modelle nachzuverfolgen war überwiegend Handarbeit, und sie zu reproduzieren praktisch unmöglich, während das Deep Learning ringsum rasant voranschritt. Was als Lösung zur Nachverfolgung von Experimenten begann, entwickelt beim Modellbau bei OpenAI, wuchs zu einer durchgängigen MLOps-Plattform. Das GitHub-Repository bestätigt das Gründungsjahr unabhängig: wandb/wandb wurde am 24. März 2017 angelegt.
Wer W&B im Jahr 2026 bewertet, muss beim Eigentümerwechsel beginnen, denn er wirkt sich sowohl auf die Produktentwicklung als auch auf die Datenverarbeitungskette aus. Im Mai 2025 wurde Weights & Biases von CoreWeave übernommen. Dieser Satz stammt von der Unternehmensseite von W&B selbst und lässt sich von Käuferseite bestätigen: CoreWeave, Inc. (Nasdaq: CRWV) gab am 5. Mai 2025 aus Livingston in New Jersey bekannt, die Übernahme von Weights & Biases abgeschlossen zu haben.
Zwei Punkte der Transaktion verdienen sorgfältige Behandlung, weil die verbreitetste Fassung der Geschichte zuversichtlicher auftritt, als die Belege es tragen.
Erstens der Preis. Der Bericht von TechCrunch schreibt ausdrücklich, CoreWeave habe die Plattform für eine nicht offengelegte Summe erworben, und schreibt die häufig zitierte Zahl von 1,7 Milliarden Dollar einem Bericht von The Information zu, nicht einem der beteiligten Unternehmen. Die Abschlussmitteilung von CoreWeave enthält, vollständig gelesen, überhaupt keinen Transaktionswert. Die redliche Formulierung lautet daher, dass die Fachpresse einen Wert von rund 1,7 Milliarden Dollar berichtet hat, gegenüber einer für das Unternehmen im Jahr 2023 festgehaltenen Bewertung von 1,25 Milliarden Dollar, und nicht, dass die Parteien einen Preis offengelegt hätten. Wer eine Beschaffungsvorlage schreibt, sollte diese Zahl als Journalismus behandeln, nicht als Pflichtveröffentlichung.
Zweitens hat sich die operative Einheit nicht geändert. Der Rahmenvertrag benennt weiterhin als Vertragspartner Weights and Biases, LLC, eine Gesellschaft mit beschränkter Haftung aus Delaware mit Hauptgeschäftssitz in 400 Alabama Street, Suite 202, San Francisco, Kalifornien 94110. Verträge werden weiterhin mit dieser Einheit geschlossen und unterliegen dem Recht des Staates New York.
Was sich geändert hat, zeigt sich an drei Stellen. Die Führungsseite führt Mitgründer Lukas Biewald nun als Geschäftsführer und Mitgründer statt als Vorstandsvorsitzenden, während die beiden anderen Mitgründer den Titel Distinguished Engineer tragen: eine Organisationsform, die zum Übergang in einen Geschäftsbereich innerhalb eines börsennotierten Konzerns passt. Die Startseite zeigt ein Banner zu CoreWeave Sandboxes, isolierten Umgebungen zum sicheren Ausführen von KI-Agenten und modellgeneriertem Code in großem Maßstab. Die Infrastruktur der Muttergesellschaft erscheint damit als erstklassige Funktion innerhalb der W&B-Oberfläche. Und die Produktlinie für serverloses Inferenzieren wird in den eigenen Worten des Anbieters als von CoreWeave betrieben beschrieben.
Für alle, die eine Anbieterbindung fürchten, hat CoreWeave in der Abschlussmitteilung eine ausdrückliche Zusage gemacht: Das Unternehmen bleibe der Interoperabilität der Weights-&-Biases-Plattform verpflichtet, damit Kunden die Freiheit behalten, jede Bereitstellungsform, jeden Infrastrukturanbieter sowie jedes Basismodell, Framework oder Protokoll zu wählen. Das ist eine öffentliche Zusage und keine Vertragsklausel und sollte auch so gelesen werden, doch sie ist aktenkundig und die direkteste verfügbare Antwort auf die Frage, ob der Einsatz von W&B heute die Bindung an eine einzelne GPU-Cloud bedeutet.
Das Unternehmen beschreibt sein Team mit 270 Personen und weiter wachsend, weltweit verteilt. Die Verbreitungszahlen erfordern mehr Vorsicht. TechCrunch berichtet, mehr als 1.400 Organisationen nutzten die Werkzeuge als Referenzsystem für Training und Feinabstimmung von KI-Modellen. Als Beispiele nennt der Artikel den Pharmakonzern AstraZeneca und den Chiphersteller Nvidia. Dabei handelt es sich um eine vom Anbieter gelieferte und von der Presse weitergegebene Zahl ohne unabhängige Prüfung; sie wird hier entsprechend eingeordnet und nicht als verifizierte Tatsache dargestellt.
Der Open-Source-Anteil lässt sich dagegen direkt überprüfen. Die Client-Bibliothek wandb/wandb steht unter MIT-Lizenz, ist in Python geschrieben und wies zum Zeitpunkt der Recherche 11.239 Sterne, 886 Forks und 954 offene Tickets auf, mit Commits noch am Tag dieser Recherche. Das eigenständige Repository wandb/weave gehört zu einer anderen, weiter unten behandelten Produktlinie und steht unter Apache-2.0 mit 1.121 Sternen und 226 offenen Tickets. Beachten Sie den Lizenzunterschied zwischen beiden Repositories: Eine juristische Prüfung des einen gilt nicht automatisch für das andere. Beachten Sie ebenso die Grenze, die Sternzahlen verdecken können: Quelloffen sind das Client-SDK und die Weave-Bibliothek, nicht der gehostete Dienst, der Ihre Läufe speichert.
W&B versteht man am besten als sieben Produktflächen, die ein Konto, ein Kontingentsystem für Speicher und einen Python-Einstiegspunkt teilen. Die offizielle Navigation teilt sie in sieben Blöcke. Der erste, Models, baut und verwaltet Modelle. Der zweite, Training, übernimmt die Feinabstimmung. Der dritte, Inference, stellt gehostete Modelle bereit. Der vierte, Weave, richtet sich an generative KI-Anwendungen. Der fünfte, Registry, verwaltet Assets. Der sechste, Core, bündelt Berichte und Automatisierungen. Der siebte, Secure deployment, deckt die Bereitstellungsformen ab.
Die Nachverfolgung von Experimenten bleibt das Fundament, und der Anbieter beschreibt sie genau in der archivarischen Metapher: das Referenzsystem für Ihr Modelltraining, das jedes Modell, jede Metrik und jeden Hyperparameter mit wenigen Zeilen Code erfasst, damit Sie Ergebnisse reproduzieren, die Modellleistung debuggen und in einem einzigen Dashboard schneller optimieren können.
Die Instrumentierung ist tatsächlich schlank. Ein Lauf wird mit wandb.init(project="my_first_project") geöffnet, Hyperparameter werden an run.config gehängt, Metriken mit run.log({"loss": ...}) gesendet und Modelldateien mit run.log_artifact() erfasst. Der letzte Aufruf markiert die Grenze zwischen Nachverfolgung und Asset-Verwaltung: Ein während eines Laufs protokolliertes Artefakt wird versioniert und Teil eines Abstammungsgraphen, statt als Datei auf einem Trainingsknoten zu liegen, der morgen freigegeben wird.
W&B Sweeps übernimmt die Optimierung der Hyperparameter und gehört zu den seltenen Anbieterseiten, die ihre Algorithmen beim Namen nennen, statt auf hauseigene Zauberei anzuspielen. Neben eigener Logik wird bayessche Optimierung angeboten, und der vorzeitige Abbruch ist ausdrücklich mit Hyperband umgesetzt, um GPU-Stunden zu sparen: Die vielversprechendsten und leistungsstärksten Läufe bleiben am Leben, die schwächsten werden beendet, sodass Agenten frei werden, um neue Kombinationen zu erproben. Die Transparenzaussage ist eindeutig: Der Anbieter erklärt, sämtliche verwendeten Algorithmen zu zitieren und die vollständigen Protokolle des Suchfortschritts anzuzeigen.
Für ein Publikum aus Ingenieurinnen und Ingenieuren des maschinellen Lernens ist diese Offenlegung mehr wert als jedes Benchmark-Diagramm. Man kann abwägen, ob das aggressive Abbrechen von Hyperband zu den eigenen Verlustkurven passt, was bei einer namenlosen intelligenten Suche schlicht unmöglich ist.
Weave ist die zweite Produktlinie und behandelt ein anderes Problem als das Modelltraining. Einstiegspunkt sind weave.init() und ein Dekorator @weave.op() an einer Funktion, woraufhin die Plattform Modellaufrufe, Dokumentensuche und Agentenschritte nachverfolgt.
Die Preisvergleichstabelle listet auf, was Weave abdeckt: Tracing, das die Leistung generativer Modelle in Entwicklung und Produktion überwacht und analysiert und dabei Eingaben, Ausgaben und Metadaten jeder Inferenz erfasst; Evaluation; Produktionsüberwachung, die verschiedene Rezepte aus Feinabstimmung, RAG, Sprachmodellen und Datensätzen nebeneinander nach Genauigkeit, Latenz und Tokenverbrauch vergleicht; sogenannte LLM-as-a-judge-Metriken; und die Schwärzung personenbezogener Daten.
Der Vergleich nebeneinander ist die Funktion, die die Wirklichkeit generativer KI-Arbeit am unmittelbarsten abbildet, und genau hier wird LLM-Observability von einem Schlagwort zu einem messbaren Nutzen. Die Frage lautet selten, ob ein Modell gut ist, sondern fast immer, ob diese Feinabstimmung auf den eigenen Daten besser abschneidet als jene RAG-Konfiguration und zu welchen Kosten in Latenz und Tokens.
Die Asset-Ebene trägt Produktnamen, die in der gesamten Dokumentation wiederkehren. Die Versionierung von Datensätzen und Modellen heißt W&B Artifacts. Die interaktive Datenvisualisierung heißt W&B Tables. Kollaborative Dashboards heißen W&B Reports. Registry steht darüber und übernimmt die Modellregistrierung für Datensätze, Modelle, Prompts, Code und Metadaten samt Abstammungsverfolgung.
Core bündelt die übrige Infrastruktur: Reports, Automations, das SDK sowie eine jüngere Ergänzung, die die Richtung erkennen lässt, nämlich Skills und einen MCP-Server für Agenten.
Inference ist die neueste Fläche und die vom Kauf am sichtbarsten geprägte. Das von CoreWeave betriebene serverlose Inferenzieren bietet Zugang über API und Playground zu führenden quelloffenen Sprachmodellen und erlaubt es, Anwendungen und Agenten zu entwickeln, ohne sich bei einem Hoster anzumelden oder Modelle selbst bereitzustellen. Ebenso lassen sich eigene trainierte LoRA-Gewichte einbringen, um serverloses Inferenzieren mit feinabgestimmten Modellen auszuführen. Damit schließt sich ein Kreis, der früher drei Anbieter erforderte: hier trainieren, hier den Adapter registrieren, hier ausliefern.
Die Abrechnung erfolgt je Modell mit getrennten Sätzen für Eingabe-Tokens, zwischengespeicherte Eingaben und Ausgabe-Tokens. Zwei zum Zeitpunkt der Recherche auf der Website prüfbare Beispiele: NVIDIA Nemotron 3.5 Lightning mit 0,10 Dollar Eingabe, 0,05 zwischengespeichert und 0,25 Ausgabe je Million Tokens bei einem Kontextfenster von 262K; sowie das Modell DeepSeek V4-Flash-0731 mit 0,13 Eingabe, 0,07 zwischengespeichert und 0,28 Ausgabe, ebenfalls bei 262K. Der Modellkatalog wechselt mit jeder neuen Veröffentlichung offener Gewichte, weshalb die offizielle Preisseite maßgeblich ist und nicht eine Momentaufnahme.
Die Liste unterstützter Frameworks ist breit, und zu jedem Eintrag liegt lauffähiger Code auf der Website. Für Anwendungen rund um Sprachmodelle stehen LangChain und LlamaIndex bereit. Im Bereich Deep Learning wird PyTorch selbst unterstützt, ebenso die von Hugging Face herausgegebene Trainingsbibliothek Transformers sowie das eine Abstraktionsebene höher angesiedelte PyTorch Lightning. Aus dem Google-Umfeld sind TensorFlow und das darauf aufsetzende Keras enthalten. Für klassisches maschinelles Lernen werden die Allzweckbibliothek scikit-learn sowie das im Gradient Boosting verbreitete XGBoost unterstützt. Der kürzeste Weg führt über Transformers: report_to="wandb" in den TrainingArguments genügt, damit die Protokollierung beim Aufruf von trainer.train() automatisch beginnt.
Die Website kündigt die Weights-&-Biases-App an, beschrieben als erste iOS-App zur Überwachung von KI-Experimenten und zur Nachverfolgung von Trainingsläufen jederzeit und überall. Das ist aus einem anderen Grund als der Funktion selbst erwähnenswert: Eine Anfrage mit dem Titel „wandb mobile/desktop app?" ist auf GitHub seit Juni 2022 offen und hat 27 Reaktionen sowie 59 Kommentare gesammelt. Ein Fall, in dem ein langjähriger Wunsch der Gemeinschaft schließlich erfüllt wurde.
Der Standardfall ist ein Training, das in GPU-Tagen gemessen wird und bei dem das halbjährlich später Entscheidende nicht der Checkpoint ist, sondern die Erklärung seines Zustandekommens. Konfiguration, Metriken, Systemwerte und Modelldatei landen in einem Datensatz. Tritt in der Produktion eine Verschlechterung auf, hat die Frage, was sich zwischen dem funktionierenden und dem nicht funktionierenden Modell geändert hat, eine durchsuchbare Antwort.
Sweeps mit Hyperband-Abbruch ist ebenso ein Budget- wie ein Genauigkeitsinstrument. Schwache Läufe früh zu beenden und Agenten neuen Kombinationen zuzuweisen verwandelt eine unbezahlbare Rastersuche in eine machbare; die anschließenden Visualisierungen zur Parameterbedeutung zeigen dann, welche Stellschrauben tatsächlich tragend waren.
Für Teams, die Agenten bauen statt Modelle zu trainieren, ist Weave der Einstieg. Eine Anfrage durchgängig über Dokumentensuche und Modellaufrufe verfolgen, Eingaben und Ausgaben je Inferenz erfassen und dann Kandidaten nach Genauigkeit, Latenz und Tokenverbrauch vergleichen, bevor einer in Produktion geht. Die Schwärzung personenbezogener Daten existiert gerade deshalb, weil Produktions-Traces eines kundenzugewandten Assistenten sonst Kundendaten enthalten.
Teams aus Gesundheitswesen, Finanzwirtschaft und öffentlicher Verwaltung können rohe Trainingsdaten meist nicht an ein mandantenfähiges SaaS senden. Der eigene Speicher-Bucket existiert für diesen Fall, mit einem wichtigen Vorbehalt, den der Abschnitt zu den Plattformen ausführt.
Die kostenlose akademische Lizenz ist ungewöhnlich großzügig, ihre Bedingungen stehen im Preisabschnitt. Für ein Labor, das viele kleine Experimente über viele Studierende hinweg fährt, verändern unbegrenzte Nachverfolgungsstunden und hundert Plätze die Rechnung vollständig. Lesen Sie jedoch den Lizenzhinweis im Abschnitt zu den Einschränkungen, bevor Sie sensible Forschung dort ablegen.
Trainieren oder feinabstimmen, den Adapter in Registry versionieren und die LoRA-Gewichte dann über serverloses Inferenzieren ausliefern. Diese Bündelung ist neu und bislang der deutlichste produktseitige Ertrag des Zusammenschlusses mit CoreWeave.
1. Installieren und authentifizieren. Führen Sie pip install wandb aus und melden Sie sich mit Ihrem API-Schlüssel an. Eine bekannte Reibung ist von der Gemeinschaft dokumentiert: Ein Ticket mit dem Titel „wandb.login() hangs and then disconnects me every time I try on Google Colab" ist seit April 2021 offen und hat 15 Reaktionen sowie 38 Kommentare. Wer überwiegend in gehosteten Notebooks arbeitet, sollte für den Anmeldevorgang etwas Zeit einplanen.
2. Einen Lauf öffnen und die Konfiguration festhalten. Rufen Sie wandb.init(project=...) am Anfang des Trainingsskripts auf und weisen Sie die Hyperparameter run.config zu. Tun Sie das vor dem Training, nicht danach: Erst die Konfiguration macht Läufe später vergleichbar, und ein Datensatz ohne sie ist ein Diagramm ohne Erklärung.
3. Metriken innerhalb der Trainingsschleife protokollieren. Verwenden Sie run.log({"loss": loss}) im passenden Takt. Das PyTorch-Beispiel der Website protokolliert alle args.log_interval Batches, und dieser Instinkt trifft es: oft genug, um den Verlauf zu sehen, selten genug, um das Dashboard nicht zu ertränken.
4. Artefakte erfassen. run.log_artifact("./my_model.pt", type="model") bringt das Modell in den versionierten Abstammungsgraphen. Liegen die Gewichte bereits im Cloud-Speicher, nutzen Sie Referenzartefakte: Daten in einem externen Bucket zählen nicht gegen das Kontingent, nur die Metadaten tun das.
5. Bei unterstützten Frameworks die Abkürzung nehmen. Nutzen Sie die von Hugging Face herausgegebene Trainingsbibliothek Transformers, ist die Zeile report_to="wandb" in den TrainingArguments die gesamte Integration. Nutzen Sie PyTorch Lightning, erzeugen Sie einen WandbLogger und übergeben ihn dem Trainer. In den meisten Stacks ist handgeschriebene Protokollierung unnötig.
6. Zu Sweeps wechseln, sobald einzelne Läufe langweilen. Definieren Sie den Suchraum und lassen Sie die Agenten arbeiten. Wählen Sie eigene Verteilungen und aktivieren Sie den vorzeitigen Abbruch, damit das GPU-Budget in die aussichtsreiche Region fließt.
7. Weave an jeden Code hängen, in dem ein Modellaufruf steckt. weave.init("ihr-projekt") und dann @weave.op an den interessierenden Funktionen. Der Dekorator-Ansatz bedeutet, dass Sie bestehenden Code annotieren statt ihn umzubauen.
8. Reports und Automations für die Menschen einrichten. Ein Report ist der Ort, an dem ein Trainingsergebnis zu etwas wird, das Kolleginnen und Kollegen lesen. Automations sowie Slack- und E-Mail-Benachrichtigungen, ab Pro verfügbar, ersparen das ständige Beobachten des Dashboards.
9. Die Bereitstellungsform vor dem Wachstum festlegen, nicht danach. Mandantenfähig, dediziert oder kundenverwaltet; und wenn der Datenstandort eine Vorgabe ist, lesen Sie den Abschnitt zum eigenen Bucket genau, denn dessen Abdeckung ist nicht über alle Produktlinien hinweg gleich.
Ingenieurinnen und Ingenieure des maschinellen Lernens sowie forschende Fachleute bilden das Hauptpublikum, weshalb jeder Einstiegspunkt ein Python-Import ist. Wenn Ihre Arbeit ein Trainingsskript ist, dann ist dies die Instrumentierung dieses Skripts.
Entwicklerinnen und Entwickler generativer KI-Anwendungen kommen über Weave herein, nicht über die Experiment-Nachverfolgung. Sie protokollieren womöglich nie einen Trainingslauf und ziehen dennoch vollen Nutzen aus Tracing und Bewertung.
ML-Plattform- und Infrastrukturteams interessieren sich für die Bereitstellungsmatrix, die Reichweite des eigenen Buckets, Single Sign-On, SCIM-Provisionierung, benutzerdefinierte Rollen und Prüfprotokolle: jene Teile, die das Produkt vor einer Sicherheitsprüfung vertretbar machen.
Akademisch Forschende erhalten eine kostenlose Pro-Lizenz, deren Bedingungen unten stehen, vorbehaltlich der Klausel zur Datennutzung im Abschnitt zu den Einschränkungen.
Einzelne Praktikerinnen, Praktiker und Lernende können unbegrenzt in der kostenlosen Stufe bleiben oder mit wandb server start einen lokalen Server betreiben, wobei die lokale Personal-Stufe eine bedeutsame Lizenzeinschränkung trägt.
Für wen es nicht gedacht ist: für alle, die ein KI-Werkzeug ohne Code suchen. Es gibt keinen sinnvollen Weg durch dieses Produkt, der ohne Python auskommt. Teams, die den Datenstandort speziell für generative Traces vorschreiben, sollten vor einer Festlegung ebenfalls den Vorbehalt zum eigenen Bucket lesen.
W&B läuft überall dort, wo Ihr Trainingscode läuft: Es ist eine Bibliothek plus ein Dienst, keine Anwendung mit Systemvoraussetzungen. Was sich unterscheidet, ist der Ort, an dem der Dienst selbst liegt.
Die Preisseite stellt SaaS als mandantenfähige Cloud, Dedicated und Customer-managed nebeneinander. Die Unternehmensstufe ergänzt eine Einzelmandanten-Option mit Regionswahl.
Die Hürde ist bewusst niedrig: Nötig sind Docker und Python, und der Server läuft auf Linux, macOS oder Windows, sofern diese Voraussetzungen erfüllt sind. Der Start umfasst zwei Befehle: pip install wandb und danach wandb server start.
Den Tausch der Verantwortlichkeiten benennt der Anbieter unumwunden: Selbstbetrieb verschafft volle Kontrolle über Daten und Datenschutz, doch die Verwaltung von Speicherung und Sicherung obliegt Ihnen. Das ist die redliche Fassung des Geschäfts und es lohnt, sie allen zu wiederholen, die Selbstbetrieb für pauschal sicherer halten.
Dieses Verfahren erlaubt es, Artefakte und andere sensible Daten in eigener Cloud- oder lokaler Infrastruktur abzulegen. Bei dedizierter und mandantenfähiger Cloud kopiert W&B die in Ihrem Bucket gespeicherten Daten nicht in die von W&B verwaltete Infrastruktur. Unterstützt werden mehrere Backends. Dazu zählen der Objektspeicherdienst der Muttergesellschaft, das S3-Angebot von Amazon, der Cloud-Speicher von Google und der Objektspeicher von Azure. Jenseits öffentlicher Clouds eignet sich ebenso ein S3-kompatibler Speicher im eigenen Haus, wofür die Unternehmensfassung von MinIO ein Beispiel ist. Die Kommunikation zwischen SDK, Kommandozeile, Oberfläche und Ihren Buckets läuft über vorsignierte URLs.
Zwei Vorbehalte entscheiden, ob das eine echte Compliance-Anforderung erfüllt, und beide stammen aus der technischen Dokumentation und nicht aus dem Marketing.
Der erste betrifft die Reichweite je Bereitstellung. Die mandantenfähige Cloud unterstützt ausschließlich den Bucket auf Teamebene; die Instanzebene ist dort nicht anwendbar. Dedizierte Cloud und Selbstverwaltung unterstützen beide Ebenen.
Der zweite wiegt schwerer: Der sichere Speicherkonnektor der W&B-Plattform steht für Weave nicht zur Verfügung. Erstreckt sich Ihre Standortanforderung auf die Traces generativer KI-Anwendungen, also auf Ein- und Ausgaben produktiver Modellaufrufe, löst dieses Verfahren sie derzeit nicht. Das ist die wichtigste Einschränkung für regulierte Teams, die die generative Seite prüfen, und sie wird leicht übersehen, weil die Preistabelle sie nur als knappe Fußnote wiedergibt.
Auch bei Aktivierung bleiben die Daten geteilt. Die zentrale Datenbank behält Metadaten zu Nutzenden, Teams, Artefakten, Experimenten und Projekten sowie Reports, Experimentprotokolle, Systemmetriken und Konsolenprotokolle. Ihr Bucket enthält Experimentdateien und Metriken, Artefaktdateien, Mediendateien, Laufdateien sowie exportierte Verlaufsmetriken und Systemereignisse im Parquet-Format. Den eigenen Bucket zu nutzen bedeutet nicht, dass nichts Ihren Bereich verlässt.
Eine iOS-App dient der Überwachung von Experimenten und Trainingsläufen. Die Lokalisierung der Website ist unvollständig: Eine Auswertung der Links zeigt ausschließlich Unterseiten auf Japanisch, Koreanisch und Deutsch. Es gibt keine chinesische, französische, russische, spanische oder portugiesische Fassung, sodass nicht englischsprachige Teams außerhalb dieser drei Sprachen mit englischer Dokumentation arbeiten müssen.
Es existieren zwei getrennte Wege, Cloud-Hosting und privates Hosting, und jeder besitzt eine eigene kostenlose Stufe mit abweichenden Bedingungen. Beide zu verwechseln ist leicht und folgenreich.
Kostenlos, 0 Dollar pro Monat. Ausgelegt auf die persönliche Entwicklung von KI-Anwendungen und -Modellen. Enthalten sind die Bewertung von Anwendungen, Tracing, Scorer, die Nachverfolgung von Modellexperimenten, das Asset-Register mit Abstammungsverfolgung sowie Community-Unterstützung. Obergrenzen: bis zu 5 Modellplätze, 5 GB Speicher pro Monat, 1 GB Weave-Aufnahme pro Monat.
Pro, ab 60 Dollar pro Monat bei monatlicher Abrechnung, mit 30 Tagen kostenlosem Test. Ergänzt unbegrenzte Teams für die Zusammenarbeit, teambasierte Zugriffskontrollen, Dienstkonten, vorrangige Unterstützung per E-Mail und Chat, CI/CD-Automatisierungen sowie Benachrichtigungen über Slack und E-Mail. Obergrenzen: bis zu 10 Modellplätze, 100 GB Speicher monatlich mit 0,03 Dollar je zusätzlichem GB und 1,5 GB Weave-Aufnahme monatlich mit 0,10 Dollar je zusätzlichem MB.
Enterprise, individuelle Tarife. Ergänzt eine Einzelmandanten-Option mit Regionswahl, eine HIPAA-konforme Option, sichere private Konnektivität, kundenseitig verwaltete Verschlüsselungsschlüssel, Single Sign-On, automatisierte Nutzerbereitstellung, benutzerdefinierte Rollen, Prüfprotokolle und ein Unternehmens-Supportpaket.
Für Pro gilt ein wichtiger Vorbehalt, der lizenzrechtlicher und nicht technischer Natur ist: Pro richtet sich an Teams in früher Phase und Organisationen mit weniger als fünfzig Beschäftigten, und Kunden jenseits dieser Vorgabe werden zum Wechsel auf Enterprise aufgefordert, da Pro mit Ratenbegrenzungen und Leistungsgrenzen entworfen wurde, die höhere Nutzung möglicherweise nicht tragen. Ein Unternehmen mit sechzig Beschäftigten kann also nicht einfach weitere Pro-Plätze zukaufen.
Personal, 0 Dollar pro Monat. Ein Nutzerplatz, Experiment-Nachverfolgung, Register und Abstammungsverfolgung, lokal auf jeder Maschine mit Docker und Python. Die Einschränkung ist eindeutig und auf der Seite zweimal wiederholt: ausschließlich für private Projekte, geschäftliche Nutzung ist nicht gestattet.
Advanced Enterprise, individueller Tarif, mit einer kostenlosen Testlizenz für Unternehmen, ergänzt um flexible Bereitstellungsoptionen, HIPAA-Konformität, sichere private Konnektivität, kundenseitig verwaltete Schlüssel, Single Sign-On, automatisierte Bereitstellung, benutzerdefinierte Rollen, Prüfprotokolle und ein Unternehmens-Supportpaket.
Dauerhaft kostenlos für akademische Forschung: unbegrenzte Projekte und Teams sowie 200 GB kostenloser Cloud-Speicher. Berechtigt sind akademische Einrichtungen mit Forschung ohne Bezug zu einer gewinnorientierten Einheit; gedacht ist die Lizenz für Studierende, Lehrende und Postdoktorandinnen und -doktoranden, und eine aktive institutionelle E-Mail-Adresse ist erforderlich. Enthalten sind sämtliche Pro-Funktionen, unbegrenzte Nachverfolgungsstunden, 200 GB Cloud-Speicher, bis zu 25 GB Weave-Aufnahme monatlich und bis zu hundert Plätze; zusätzlicher Speicher kostet 0,03 Dollar je GB und Monat.
Pro wird monatlich oder jährlich im Voraus abgerechnet. Modellplätze werden bei unterjähriger Ergänzung anteilig berechnet, für entfernte Plätze gibt es jedoch keine Gutschriften. Weave-Aufnahme, Inferenz und Speicher werden monatlich nachträglich nach Verbrauch abgerechnet. Enterprise-Tarife werden jährlich im Voraus in Rechnung gestellt.
Speicher wird nach der oben genannten GB-Tage-Rechnung als Dreißig-Tage-Durchschnitt ermittelt und umfasst sowohl Artefakte als auch in Läufen protokollierte Daten. Referenzartefakte und Daten in externen Buckets zählen nicht. Inferenz wird je Modell abgerechnet, mit zeitlich befristeten Gratisguthaben und einem ebenfalls befristeten Monatsguthaben von 5 Dollar in Pro. CoreWeave Sandboxes befindet sich in öffentlicher Vorschau mit Monatsguthaben von 10 beziehungsweise 25 Dollar in der kostenlosen und der Pro-Stufe, gleichfalls befristet. Behandeln Sie alle vier Guthabenzeilen als Werbeaktion und prüfen Sie die geltenden Bedingungen vor jeder Budgetierung.
Die kostenlose Stufe erhält Community-Unterstützung. Pro erhält vorrangigen Support per E-Mail und Chat mit einer Erstreaktion von 4 bis 24 Stunden je nach Schweregrad. Enterprise erhält 1 bis 4 Stunden je nach Schweregrad und Paket. Als Geschäftszeiten gelten 2 bis 17 Uhr pazifischer Zeit von Montag bis Freitag. Ein eigener Slack- oder MS-Teams-Kanal und eine feste Ansprechperson im Bereich KI-Lösungen sind nur im Premium-Support enthalten.
Die Wahl eines Werkzeugs zur Experiment-Nachverfolgung ist überwiegend die Frage, was man bereit ist, mit einzuführen.
MLflow ist der quelloffene Standard und der häufigste Vergleich. Lautet die Anforderung, der Nachverfolgungsserver müsse vollständig einem selbst gehören und keine Anbieterbeziehung bestehen, beantwortet MLflow sie. Das Gegenargument von W&B liegt in der gehosteten Kollaborationsebene, der Umsetzung der Sweeps und der generativen Tracing-Seite, die MLflow von Haus aus nicht bietet.
Neptune.ai und Comet besetzen benachbarte Positionen als kommerzielle Werkzeuge. Die Wahl zwischen ihnen hängt meist an der Preisgestaltung nach Teamgröße und an konkreten Visualisierungsbedürfnissen, nicht an Fähigkeitslücken.
TensorBoard bleibt die reibungsfreie lokale Option. Für eine Person an einer Maschine ist es die richtige Antwort und hört genau in dem Moment auf, es zu sein, in dem eine zweite Person die Ergebnisse sehen muss.
Cloud-native Plattformen wie Vertex AI, SageMaker oder Azure ML bündeln die Nachverfolgung dort, wo das Training ohnehin läuft. Der Preis dafür ist Portabilität, und genau die wollte CoreWeave den W&B-Kunden öffentlich nicht nehmen.
LangSmith, Langfuse und Arize Phoenix konkurrieren gezielt mit Weave und nicht mit W&B insgesamt. Teams, die ausschließlich Sprachmodell-Anwendungen bauen und nie Modelle trainieren, sollten dieses engere Feld eigenständig prüfen.
Eine strukturelle Anmerkung zum Vergleich: Da der W&B-Client unter MIT und Weave unter Apache-2.0 stehen, ist der von Ihnen geschriebene Instrumentierungscode keine Sackgasse, auch wenn das gehostete Backend proprietär bleibt. Das senkt die Kosten eines späteren Sinneswandels, ohne sie aufzuheben.
Dieser Abschnitt ist länger als die übrigen, weil die hier genannten Beschränkungen dokumentiert und nicht vermutet sind und weil mehrere davon im Rahmenvertrag stehen statt auf der Preisseite.
Daten kostenloser und akademischer Kunden dürfen für Test und Entwicklung genutzt werden. Der Rahmenvertrag hält fest, dass W&B Kundendaten kostenloser und akademischer Kunden zu Test- und Entwicklungszwecken verwenden darf. Das ist der wichtigste Satz dieser Seite für alle, die die kostenlose Stufe für unveröffentlichte Forschung oder wirtschaftlich sensible Arbeit erwägen, und er steht nirgends auf der Preisseite. Bezahlte Stufen fallen nicht unter diese Klausel. Lesen Sie ihn, bevor Sie unveröffentlichte Experimente eines Labors dort ablegen.
Die Personal-Stufe im privaten Hosting untersagt die geschäftliche Nutzung. Ausschließlich private Projekte. Wer als Ingenieurin oder Ingenieur einen lokalen Server auf einem Dienstrechner für ein dienstliches Vorhaben betreibt, liegt außerhalb dieser Lizenz.
Kostenlose Tarife tragen keine Bestandszusage. W&B behält sich vor, kostenlose Abonnementtarife jederzeit nach eigenem Ermessen und ohne vorherige Ankündigung zu ändern, einzustellen, auszusetzen oder zu beenden.
Der eigene Bucket deckt Weave nicht ab. Hier wiederholt, weil dies die Beschränkung ist, die eine späte Compliance-Prüfung am ehesten kippt. Traces generativer KI lassen sich derzeit nicht im eigenen Bucket halten.
KI-Funktionen und deren Ausgaben genießen keinen Schutz bei geistigem Eigentum. Der Vertrag ist eindeutig: W&B sichert weder zu noch gewährleistet, dass KI-Funktionen oder Ausgaben frei von geistigem Eigentum Dritter sind, und ist nicht verpflichtet, Kunden gegen darauf bezogene Verletzungsansprüche freizustellen. Alles wird ohne Gewähr bereitgestellt. Zudem erkennt der Kunde an, dass Ausgaben aufgrund der Natur maschinellen Lernens ungenau oder für mehrere Nutzende identisch ausfallen können, und muss jede Ausgabe vor der Verwendung selbst bewerten.
Beta-Funktionen tragen weder Gewährleistung noch Freistellung, Dienstgütezusage oder Support und können jederzeit ohne Haftung eingestellt werden. Da Sandboxes derzeit in öffentlicher Vorschau ist, greift diese Klausel real und nicht bloß hypothetisch.
Läufe sind faktisch nur ergänzbar. Die Belege aus der Gemeinschaft sind einheitlich und lange bestehend: das Umbenennen von Gruppen abgeschlossener Läufe (seit 2020 offen, 66 Reaktionen), das Zusammenführen alter mit neuen Läufen (2022, 51), das Kopieren zwischen Projekten (2023, 37) und die Wiederverwendung eines gelöschten Namens (2020, 26) sind sämtlich offene Anliegen. Planen Sie Ihre Projektstruktur entsprechend.
Die Anmeldung in Notebooks kann anfällig sein. Das Ticket zur Colab-Anmeldung ist seit 2021 offen und zählt 38 Kommentare.
Kundennamen und Logos dürfen im Marketing verwendet werden. Der Vertrag sieht die Zustimmung des Kunden zur Nutzung von Name und Logo durch W&B in Marketingunterlagen, öffentlichen Ankündigungen und Investorenkommunikation vor.
Der Datenexport liegt bei Ihnen, und der Zeitpunkt zählt. Der Kunde ist allein verantwortlich, Daten vor Ablauf oder Kündigung zu exportieren, danach löscht W&B sie nach eigenen Richtlinien. Zahlungspflichten sind unkündbar und Gebühren nicht erstattungsfähig, soweit nicht ausdrücklich anders geregelt.
Der Gewährleistungsausschluss ist weitreichend. Außerhalb der besonderen Gewährleistungsklausel werden die Leistungen ohne Gewähr erbracht, wobei Zusicherungen zu Leistung, Marktgängigkeit, Eignung für einen bestimmten Zweck und Nichtverletzung ausdrücklich ausgeschlossen sind und weder Fehlerfreiheit noch unterbrechungsfreier Betrieb zugesichert werden.
Anwendbar ist das Recht des Staates New York, mit ausschließlichem Gerichtsstand im County New York und Verzicht auf Geschworenenverfahren. Kunden außerhalb der Vereinigten Staaten sollten die Kosten der Streitbeilegung in die Beschaffungsentscheidung einrechnen.
Nicht für Kinder unter dreizehn Jahren.
Es existiert keine überprüfbare Drittbewertung. Das ist eine Grenze der verfügbaren Belege und kein Mangel des Produkts, und es wird hier offen benannt statt kaschiert. Das Trustpilot-Profil zu wandb.ai ist nicht beansprucht, weist 0,0 aus und zählt null Bewertungen; die Seite hält wörtlich fest, dass das Unternehmen noch keine Bewertungen erhalten hat. Alle weiteren Prüfversuche scheiterten beim Abruf. Die Softwarebewertungsseite G2 wurde versucht, ebenso die Bewertungsplattform Gartner Peer Insights. Auch das Verzeichnis SourceForge und die Technikseite Slashdot wurden versucht. Da diese vier Quellen blockiert waren, wird auf dieser Seite keine Bewertung von ihnen zitiert. Für eine Entwicklerinfrastruktur, deren Nutzende sich über GitHub-Tickets statt über Bewertungsportale äußern, überrascht diese Lücke nicht, doch sie bedeutet, dass die Drittbelege hier auf Medienberichten und überprüfbaren Repository-Daten beruhen statt auf Punktzahlen. Ein verwandter Hinweis: Dieses nicht beanspruchte Profil nennt als Firmensitz Anguilla, was der im Vertrag genannten Adresse in San Francisco widerspricht und daher nicht herangezogen werden sollte.
Die Datenverarbeitung ist stark auf die Vereinigten Staaten ausgerichtet. Die Tabelle der Unterauftragsverarbeiter nennt für AWS, Azure, GCP und Clickhouse die Vereinigten Staaten oder eine kundenseitige Wahl, während CoreWeave, dort als verbundenes Unternehmen für die Verwaltung der Cloud-Infrastruktur geführt, sowie Datadog und Hex mit den Vereinigten Staaten geführt werden. Die Muttergesellschaft erscheint damit in der Verarbeitungskette an einer Stelle, die die Regionswahl des Kunden nicht verändert.
Das Bug-Bounty-Programm hat einen engen Rahmen. Nur Funde auf qa.wandb.ai und api.qa.wandb.ai sind prämienberechtigt, alle übrigen Subdomains ausgeschlossen. Die Prämien reichen von 50 bis 100 Dollar bei geringer Schwere bis zu 750 bis 1.000 Dollar bei kritischen Fällen wie SQL-Injection, entfernter Codeausführung, Rechteausweitung oder gefälschter Anfrage an einen internen Dienst. Forschende müssen eine Vertraulichkeitsvereinbarung unterzeichnen und dürfen Funde ohne schriftliche Zustimmung nicht öffentlich erörtern, was das öffentlich verfügbare Sicherheitssignal für Interessenten begrenzt.
Bei einem Produkt, dessen Beschaffung häufig Sicherheitsteams und nicht Ingenieurinnen entscheiden, lohnt die genaue Wiedergabe der Zertifikatsliste. Die Plattform trägt drei Zertifizierungen internationaler Normen. Die erste betrifft Managementsysteme für Informationssicherheit in der Fassung von 2022. Die zweite behandelt Sicherheitsmaßnahmen speziell für Cloud-Dienste. Die dritte betrifft den Schutz personenbezogener Daten in der Cloud. Über die Zertifizierungen hinaus erfüllt die Plattform den Prüfrahmen SOC 2 Typ 2 sowie die Anforderungen des US-amerikanischen Gesetzes zur Übertragbarkeit und Rechenschaftspflicht von Krankenversicherungen. Der Anbieter gibt zudem an, Kunden bei der Erfüllung des US-Bundesrahmens für Sicherheitskontrollen von Informationssystemen zu unterstützen, und erklärt sich mit den Anforderungen der europäischen Datenschutz-Grundverordnung an die Verarbeitung personenbezogener Daten als im Einklang stehend.
Die Verschlüsselung nutzt TLS 1.2 oder höher bei der Übertragung und AES 256 im Ruhezustand. Die Authentifizierung unterstützt Single Sign-On über OIDC, LDAP oder SAML, ergänzt um rollenbasierte Zugriffskontrolle für die nötige Feinheit. Sicherheitsprüfungen verbinden regelmäßige Schwachstellentests mit Penetrationstests, und das Compliance-Programm umfasst sowohl interne Überprüfungen als auch unabhängige Bewertungen durch Dritte.
Die Verfügbarkeit der Funktionen unterscheidet sich je Stufe und gehört gegen die eigenen Anforderungen geprüft. SOC 2 Typ II und die anpassbare Datenaufbewahrung über die Lebensdauer von Artefakten finden sich auf allen Stufen, während IP-Zulassungslisten, sichere private Konnektivität ein- und ausgehend sowie kundenseitig verwaltete Schlüssel für AWS und GCP als nur mit privatem Hosting verfügbar gekennzeichnet sind. HIPAA-Konformität ist als über den eigenen Bucket möglich gekennzeichnet. Benutzerdefinierte Rollen und die Nutzung eines eigenen Buckets sind als mit Weave nicht verfügbar gekennzeichnet.
Die juristischen Unterlagen erscheinen an einem einzigen Einstiegspunkt und umfassen die Nutzungsbedingungen der Website, den Rahmenvertrag, die KI-Bedingungen, eine Dienstgütevereinbarung, eine Supportrichtlinie, einen Zusatz zur Auftragsverarbeitung, die Datenschutzerklärung und eine Erklärung zu moderner Sklaverei. Dass Auftragsverarbeitungszusatz und Dienstgütevereinbarung als eigenständige öffentliche Dokumente vorliegen, ist für sich genommen ein beschaffungsrelevantes Reifezeichen.
CoreWeave. Die Übernahme wurde am 5. Mai 2025 abgeschlossen, von CoreWeave, Inc. (Nasdaq: CRWV) bekannt gegeben und auf der Unternehmensseite von W&B bestätigt. Die Vertragseinheit ist unverändert: Verträge werden weiterhin mit Weights and Biases, LLC geschlossen, einer Delaware-Gesellschaft mit Sitz in San Francisco. Mitgründer Lukas Biewald führt nun den Titel Geschäftsführer und Mitgründer.
Nein, und CoreWeave hat das in der Abschlussmitteilung öffentlich erklärt: Das Unternehmen bleibe der Interoperabilität der Plattform verpflichtet, damit Kunden jede Bereitstellungsform, jeden Infrastrukturanbieter und jedes Basismodell, Framework oder Protokoll wählen können. Behandeln Sie das als öffentliche Zusage und nicht als Vertragsklausel, und beachten Sie das praktische Gegengewicht: CoreWeave steht nun als verbundenes Unternehmen für die Verwaltung der Cloud-Infrastruktur in der Tabelle der Unterauftragsverarbeiter.
Die kostenlose Cloud-Stufe kostet 0 Dollar monatlich und umfasst die Bewertung von Anwendungen, Tracing, Scorer, Experiment-Nachverfolgung, das Register mit Abstammung und Community-Unterstützung. Die Obergrenzen liegen bei fünf Modellplätzen, 5 GB Speicher monatlich und 1 GB Weave-Aufnahme monatlich. Sie endet bei der Zusammenarbeit: unbegrenzte Teams, teambasierte Zugriffskontrollen, Dienstkonten, CI/CD-Automatisierungen und Benachrichtigungen erfordern allesamt Pro. Die wichtigste Grenze ist jedoch kein Kontingent, sondern eine Vertragsklausel: W&B darf Kundendaten kostenloser und akademischer Kunden zu Test- und Entwicklungszwecken nutzen.
Ja, und die Bedingungen sind konkret. Es handelt sich um eine kostenlose Pro-Lizenz für akademische Einrichtungen mit Forschung ohne Bezug zu einer gewinnorientierten Einheit, gedacht für Studierende, Lehrende und Postdoktorandinnen und -doktoranden, mit erforderlicher aktiver institutioneller E-Mail-Adresse. Enthalten sind alle Pro-Funktionen, unbegrenzte Nachverfolgungsstunden, 200 GB Cloud-Speicher, bis zu 25 GB Weave-Aufnahme monatlich und bis zu hundert Plätze. Zusätzlicher Speicher kostet 0,03 Dollar je GB und Monat. Die für kostenlose Konten geltende Klausel zur Nutzung der Daten für Test und Entwicklung gilt hier ebenso.
Es sind getrennte Produktlinien mit eigenen Einstiegspunkten und eigenen Repositories. wandb deckt das Modelltraining ab, also Experiment-Nachverfolgung, Sweeps, Artefakte und Register, und sein Client steht unter MIT. weave deckt generative KI-Anwendungen ab, also Tracing von Modellaufrufen, Bewertung, Produktionsüberwachung, Bewertungsmetriken durch Sprachmodelle und die Schwärzung personenbezogener Daten, unter Apache-2.0. Beide teilen Konto und Abrechnung, doch Weave besitzt ein eigenes, getrennt vom Speicher gemessenes Aufnahmekontingent.
Nur teilweise. Unterstützt werden der Objektspeicher von CoreWeave, das S3-Angebot von Amazon, der Cloud-Speicher von Google, der Objektspeicher von Azure und S3-kompatible Lösungen wie die Unternehmensfassung von MinIO. Für Weave steht das Verfahren jedoch nicht zur Verfügung, sodass generative Traces dort nicht liegen können. Und selbst wo es greift, behält die zentrale Datenbank weiterhin Metadaten zu Nutzenden, Teams, Artefakten, Experimenten und Projekten sowie Reports, Experimentprotokolle, Systemmetriken und Konsolenprotokolle.
Speicher ist ein gewichteter Dreißig-Tage-Durchschnitt und kein Spitzenwert. Das vom Anbieter veröffentlichte Rechenbeispiel: 100 GB über fünfzehn Tage, 200 GB an einem Tag und 300 GB über vierzehn Tage ergeben 5.900 GB-Tage, geteilt durch dreißig also 196,6 GB, gerundet 197 GB für den Monat. Der wichtigste Hebel sind Referenzartefakte: Daten in einem externen Bucket zählen nicht gegen das Kontingent, nur die bei W&B gespeicherten Metadaten tun das.
Ja. Nötig sind Docker und Python, und der Server läuft unter Linux, macOS oder Windows. Der Start erfolgt mit pip install wandb und danach wandb server start. Was Sie übernehmen, benennt der Anbieter: Sie erhalten volle Kontrolle über Daten und Datenschutz, doch die Verwaltung von Speicherung und Sicherung liegt bei Ihnen. Beachten Sie auch die Lizenztrennung: Die kostenlose Personal-Stufe ist ausschließlich für private Projekte und untersagt geschäftliche Nutzung, sodass geschäftlicher Selbstbetrieb den Tarif Advanced Enterprise erfordert.
Weil sich keine aus erster Hand überprüfen ließ. Das Trustpilot-Profil zu wandb.ai ist nicht beansprucht, weist 0,0 aus und zählt null Bewertungen. Die vier weiteren geprüften Quellen waren während der Recherche blockiert, weshalb keine ihrer Bewertungen zitiert wird. Statt eine ungeprüfte Zahl zu wiederholen, stützt sich diese Seite auf Prüfbares: Repository-Kennzahlen, offene Tickets der Gemeinschaft, veröffentlichte Preise und den Vertragstext.
Die Client-Bibliotheken sind es, der gehostete Dienst nicht. wandb/wandb steht unter MIT mit 11.239 Sternen, 886 Forks und 954 offenen Tickets und wurde im März 2017 angelegt. wandb/weave steht unter Apache-2.0 mit 1.121 Sternen und 226 offenen Tickets. Beide erhielten am Tag dieser Recherche Commits. Sie können den Instrumentierungscode lesen und forken, doch das SaaS-Backend, das Ihre Läufe speichert und ausliefert, bleibt proprietär.
