Weights & Biases는 머신러닝 엔지니어를 위한 AI 개발자 플랫폼으로, 실험 추적과 하이퍼파라미터 탐색, 데이터셋 및 모델 버전 관리, 프로덕션 LLM 에이전트 추적을 담당합니다. 2025년 5월 CoreWeave에 인수되었으며 파이썬 SDK로 연동합니다.
이 도구를 사용해 보셨나요? 평점을 남겨 주세요
Weights & Biases는 업계에서 거의 언제나 W&B로 줄여 부르며, 파이썬 패키지 이름과 도메인은 wandb입니다. 이 항목의 slug도 거기서 왔습니다. 공식 사이트가 스스로 붙인 정체성은 AI 작업의 기록 시스템입니다. 첫 화면 문구는 "확신을 갖고 AI 에이전트와 애플리케이션, 모델을 구축하기 위한 개발자 플랫폼"이며, 여러 제품 페이지에서 반복되는 표현은 의도적으로 기록 보관에 가깝습니다. 수천 개 기업이 AI 모델 학습과 AI 애플리케이션 개발의 system of record, 즉 유일한 권위 있는 기록 출처로 W&B에 의존하고 있다는 것입니다.
이 정체성은 이 도구가 무엇이 아닌지도 함께 설명합니다. 모델이 아니고, 호스팅된 노트북 환경도 아니며, 코드를 쓰지 않는 사람을 위한 드래그 앤드 드롭 화면은 더더욱 아닙니다. W&B와의 모든 실질적인 상호작용은 이미 무언가를 학습시키고 있거나 이미 언어 모델을 호출하고 있는 파이썬 프로그램 안에서 일어납니다. 달리 말하면 이 제품이 담당하는 것은 머신러닝 실험 추적이라는 기초 작업입니다. 이 도구가 맡은 일은 그 프로그램을 관찰하고, 무슨 일이 있었는지를 오래 남고 비교 가능한 형태로 적어 두며, 몇 달 뒤 실행 당시에 자리에 없었던 동료가 그 기록을 검색할 수 있게 만드는 것입니다.
회사는 2017년에 세 사람이 함께 세웠습니다. 첫 번째는 Lukas Biewald이고 두 번째는 Chris Van Pelt이며 세 번째는 Shawn Lewis입니다. 이들 세 사람은 이 회사를 세우기 전에 Figure Eight라는 데이터 라벨링 회사를 함께 만든 경험이 있습니다. 회사 소개 페이지는 당시 풀고자 했던 문제를 꽤 구체적으로 적어 두었습니다. 그때는 모델을 추적하는 일이 대체로 수작업이었고 재현은 사실상 불가능했지만, 딥러닝 자체는 빠르게 발전하고 있었다는 것입니다. OpenAI에서 모델을 만들기 위해 개발한 실험 추적 솔루션으로 출발한 것이 엔드 투 엔드 MLOps 플랫폼으로 자랐습니다. GitHub 데이터가 창립 시점을 독립적으로 뒷받침합니다. wandb/wandb 저장소는 2017년 3월 24일에 만들어졌습니다.
2026년에 W&B를 평가한다면 소유권 변경에서 출발해야 합니다. 제품 로드맵과 데이터 처리 경로 양쪽에 실질적인 영향을 주기 때문입니다. 2025년 5월 Weights & Biases는 CoreWeave에 인수되었습니다. 이 문장은 W&B 자체 소개 페이지에서 가져온 것이며 매수자 쪽에서도 확인됩니다. CoreWeave, Inc.(나스닥 CRWV)는 2025년 5월 5일 뉴저지주 리빙스턴에서 Weights & Biases 인수를 완료했다고 발표했습니다.
이 거래에서 두 가지는 조심스럽게 다뤄야 합니다. 가장 널리 퍼진 설명이 증거보다 단정적이기 때문입니다.
첫째는 가격입니다. TechCrunch 기사는 CoreWeave가 금액을 공개하지 않은 채 인수했다고 분명히 적고 있으며, 자주 인용되는 17억 달러라는 숫자는 The Information의 보도를 인용한 것이라고 명시합니다. CoreWeave의 인수 완료 보도자료를 처음부터 끝까지 읽어도 거래 금액은 등장하지 않습니다. 따라서 정직한 서술은 업계 매체가 전한 바로는 약 17억 달러이며 2023년에 기록된 12억 5천만 달러 기업가치와 대비된다는 것이지, 양측이 금액을 공개했다는 것이 아닙니다. 구매 검토 문서를 쓴다면 이 숫자는 공시가 아니라 보도로 취급해야 합니다.
둘째로 운영 주체는 바뀌지 않았습니다. 마스터 서비스 계약은 여전히 계약 당사자를 델라웨어주에 등록된 유한책임회사인 Weights and Biases, LLC로 명시하고 있습니다. 이 회사의 주된 사업장 주소는 캘리포니아주 샌프란시스코의 앨라배마 스트리트 400번지 202호로 등재되어 있습니다. 계약은 여전히 그 법인과 체결되며 뉴욕주법이 적용됩니다.
실제로 달라진 흔적은 세 군데에 남아 있습니다. 리더십 명단에서 공동 창업자 Lukas Biewald의 직함은 최고경영자가 아니라 총괄 매니저 겸 공동 창업자이고, 나머지 두 공동 창업자는 저명 엔지니어라는 직함을 달고 있습니다. 대형 상장사에 편입되어 사업 부문이 된 조직 형태와 일치하는 모습입니다. 첫 화면 상단 배너는 CoreWeave Sandboxes를 홍보하는데, 이는 AI 에이전트와 모델이 생성한 코드를 대규모로 안전하게 실행하기 위한 격리 환경입니다. 모회사의 인프라가 W&B 제품 화면 안에 일급 기능으로 등장한 셈입니다. 그리고 서버리스 추론 제품군은 공식 표현 자체가 CoreWeave가 구동한다는 문구로 되어 있습니다.
벤더 종속을 걱정하는 사용자를 위해 CoreWeave는 인수 완료 보도자료에서 명확한 약속을 했습니다. 고객이 어떤 배포 방식이든, 어떤 인프라 공급자든, 어떤 파운데이션 모델과 프레임워크, 프로토콜이든 자유롭게 고를 수 있도록 Weights & Biases 플랫폼의 상호운용성에 계속 전념하겠다는 것입니다. 이는 계약 조항이 아니라 공개 약속이므로 그렇게 이해해야 하지만, 문서로 남아 있는 것은 사실이며 지금 W&B를 도입하는 일이 특정 GPU 클라우드에 묶이는 일인가라는 질문에 대한 가장 직접적인 답이기도 합니다.
회사는 팀 규모를 270명이며 계속 늘고 있다고 밝히고 있고, 구성원은 전 세계에 분산되어 있습니다. 도입 규모 숫자는 더 조심해야 합니다. TechCrunch가 전한 수치는 AstraZeneca와 Nvidia를 포함해 1,400개가 넘는 조직이 이 도구를 AI 모델 학습과 미세조정의 기록 시스템으로 쓰고 있다는 것입니다. 이는 벤더가 제시한 숫자를 매체가 전달한 것이며 독립적인 감사를 거치지 않았습니다. 검증된 사실이 아니라 그런 성격의 수치로 표기합니다.
반면 오픈 소스 쪽은 직접 확인할 수 있습니다. wandb/wandb 클라이언트 라이브러리는 MIT 라이선스이고 언어는 파이썬이며, 작성 시점 기준 별 11,239개와 포크 886개, 열린 이슈 954개를 보이고 있고 이 페이지를 조사한 당일에도 커밋이 들어오고 있었습니다. 별도 저장소인 wandb/weave는 아래에서 다룰 다른 제품군에 속하며 Apache-2.0 라이선스에 별 1,121개, 열린 이슈 226개입니다. 두 저장소의 라이선스가 다르다는 점에 유의해야 합니다. 한쪽에 대한 법무 검토가 다른 쪽에 그대로 적용되지 않습니다. 별 개수가 가릴 수 있는 경계도 함께 봐야 합니다. 오픈 소스인 것은 클라이언트 SDK와 Weave 라이브러리이지, 여러분의 실행 기록을 저장하는 호스팅 서비스가 아닙니다.
W&B는 하나의 계정과 하나의 저장 용량 체계, 하나의 파이썬 진입점을 공유하는 일곱 개 제품 면으로 이해하는 편이 좋습니다. 공식 내비게이션은 이를 Models와 Training, Inference, Weave, Registry, Core, Secure deployment로 나눕니다.
실험 추적은 지금도 토대이고, 벤더의 설명은 앞서 말한 기록 보관 비유와 정확히 맞아떨어집니다. 모델 학습의 기록 시스템으로서 단 몇 줄의 코드로 모든 모델과 지표, 하이퍼파라미터를 추적해 결과를 재현하고 모델 성능을 디버깅하며 하나의 대시보드 안에서 더 빠르게 최적화한다는 것입니다.
계측에 드는 코드는 정말로 적습니다. wandb.init(project="my_first_project")으로 실행 하나를 열고, 하이퍼파라미터는 run.config에 붙이며, 지표는 run.log({"loss": ...})로 보내고, 모델 파일은 run.log_artifact()로 담습니다. 마지막 호출이 추적에서 자산 관리로 넘어가는 경계선입니다. 실행 중에 기록된 아티팩트는 버전이 매겨져 계보 그래프에 들어가며, 내일이면 회수될 학습 노드 위에 파일로 남지 않습니다.
W&B Sweeps는 하이퍼파라미터 최적화를 담당하는데, 독자적인 비법을 암시하는 대신 자기 알고리즘을 이름으로 밝히는 드문 벤더 페이지입니다. 사용자 정의 로직과 함께 베이지안 최적화를 제공하며, 조기 종료는 GPU 시간을 아끼기 위해 Hyperband로 구현했다고 명시합니다. 가장 유망하고 성적이 좋은 실행은 살려 두고 하위 실행은 중단해 에이전트가 새로운 하이퍼파라미터 조합을 시도하도록 풀어 준다는 설명입니다. 투명성에 대한 주장도 직설적입니다. 사용하는 모든 알고리즘을 인용하고 탐색 진행 로그를 전부 보여 준다는 것입니다.
머신러닝 엔지니어라는 독자층에게 이런 공개는 어떤 벤치마크 그래프보다 설득력이 있습니다. Hyperband 특유의 공격적인 조기 종료가 우리 손실 곡선에 맞는지를 스스로 따져 볼 수 있는데, 이름을 밝히지 않은 스마트 탐색을 두고는 그런 추론이 불가능하기 때문입니다.
Weave는 두 번째 제품군이며 모델 학습과는 다른 문제를 다룹니다. 진입점은 weave.init()과 함수에 붙이는 @weave.op() 데코레이터이고, 그다음부터 플랫폼이 LLM 호출과 문서 검색, 에이전트 단계를 추적합니다.
가격 비교표는 Weave가 다루는 범위를 항목별로 나열합니다. 개발 단계와 운영 단계 모두에서 생성형 AI 모델의 성능을 모니터링하고 분석하며 추론마다 입력과 출력, 메타데이터를 담는 트레이싱, 평가, 그리고 미세조정과 RAG, 여러 LLM과 데이터셋 같은 서로 다른 구성을 정확도와 지연 시간, 토큰 사용량 기준으로 나란히 비교하는 운영 모니터링, LLM-as-a-judge 지표, 개인정보 마스킹입니다.
이 가운데 구성안 나란히 비교하기가 생성형 AI 작업의 실제 모습에 가장 가깝고, LLM 관측 가능성이 실무에서 가장 값어치를 내는 지점이기도 합니다. 질문은 좀처럼 이 모델이 좋은가가 아니라, 우리 데이터에서 이 미세조정본이 저 RAG 구성보다 나은가 그리고 지연 시간과 토큰 비용은 각각 얼마인가이기 때문입니다.
자산 계층의 기능들은 문서 전반에서 고유한 제품 이름으로 불립니다. 데이터셋과 모델 버전 관리는 W&B Artifacts, 대화형 데이터 시각화는 W&B Tables, 협업 대시보드는 W&B Reports입니다. Registry는 그 위에서 모델 레지스트리 역할을 맡아 데이터셋과 모델, 프롬프트, 코드, 메타데이터를 계보 추적과 함께 관리합니다.
Core는 나머지 인프라를 묶습니다. Reports와 Automations, SDK, 그리고 제품이 어디로 향하는지를 보여 주는 최근 추가 항목인 에이전트용 Skills와 MCP 서버입니다.
Inference는 가장 새로운 제품 면이자 인수의 영향이 가장 눈에 띄는 영역입니다. 공식 설명은 CoreWeave가 구동하는 서버리스 추론이 API와 플레이그라운드 두 가지 접근 방식을 제공하여, 호스팅 업체에 따로 가입하거나 직접 모델을 배포하지 않고도 주요 오픈 소스 LLM을 쓸 수 있게 한다는 것입니다. 직접 학습한 LoRA 가중치를 올려 미세조정 모델로 서버리스 추론을 돌릴 수도 있습니다. 예전에는 공급자 세 곳이 필요했던 흐름이 한곳에서 닫히는 셈입니다. 여기서 학습하고 여기서 어댑터를 등록하고 여기서 서빙합니다.
과금은 모델별로 정해지며 입력과 캐시된 입력, 출력 세 가지 단가를 구분합니다. 작성 시점에 공식 사이트에서 확인 가능한 두 사례는 다음과 같습니다. NVIDIA Nemotron 3.5 Lightning은 백만 토큰당 입력 0.10달러와 캐시 0.05달러, 출력 0.25달러이며 컨텍스트는 262K입니다. DeepSeek 계열의 V4-Flash-0731 모델은 입력이 0.13달러이고 캐시된 입력은 0.07달러이며 출력은 0.28달러입니다. 이 모델의 컨텍스트 길이도 역시 262K입니다. 모델 목록은 새로운 오픈 웨이트가 나올 때마다 바뀌므로 특정 시점의 스냅샷이 아니라 공식 가격 페이지를 기준으로 삼으시기 바랍니다.
프레임워크 목록은 넓고 각 항목마다 실행 가능한 코드가 사이트에 함께 실려 있습니다. 대규모 언어 모델 애플리케이션 쪽에는 LangChain과 LlamaIndex라는 두 프레임워크가 있습니다. 딥러닝 쪽에서는 PyTorch 본체를 지원하고, Hugging Face가 내놓은 Transformers 학습 라이브러리와 그 위를 한 겹 감싼 PyTorch Lightning도 지원합니다. 구글 계열에서는 TensorFlow와 그 위에 놓인 Keras가 함께 들어 있습니다. 전통적인 머신러닝 쪽에서는 범용 라이브러리인 scikit-learn과 그래디언트 부스팅에서 널리 쓰이는 XGBoost를 지원합니다. 이 중 Transformers 경로가 가장 짧습니다. TrainingArguments에 report_to="wandb"를 넣기만 하면 되고, trainer.train()이 시작되는 순간 로깅이 자동으로 시작됩니다.
공식 사이트는 Weights & Biases 모바일 앱 출시를 알리며 언제 어디서나 AI 실험을 모니터링하고 학습 실행을 추적할 수 있는 최초의 iOS 앱이라고 소개합니다. 이 사실은 기능 자체와는 다른 이유로 짚어 둘 만합니다. GitHub에는 wandb 모바일 또는 데스크톱 앱에 관한 이슈가 2022년 6월부터 열려 있었고 반응 27개와 댓글 59개가 쌓였습니다. 커뮤니티의 오랜 요구가 결국 받아들여진 사례입니다.
가장 전형적인 사례는 GPU 일 단위로 측정되는 학습 작업이며, 반년 뒤에 정말 중요한 산출물은 체크포인트가 아니라 그 체크포인트가 어떻게 만들어졌는지에 대한 설명인 경우가 많습니다. 설정과 지표, 시스템 통계, 모델 파일이 모두 하나의 실행 기록에 담깁니다. 운영 환경에서 성능 저하가 나타났을 때, 잘 되던 모델과 안 되는 모델 사이에 무엇이 바뀌었는가라는 질문에 검색 가능한 답이 생깁니다.
Hyperband 조기 종료를 붙인 Sweeps는 정확도 도구인 동시에 예산 도구입니다. 하위 실행을 일찍 끊고 에이전트를 새 조합에 다시 배치하는 것이 감당 못 할 그리드 탐색을 감당 가능한 탐색으로 바꾸는 열쇠이며, 이어지는 파라미터 중요도 시각화가 어느 손잡이가 실제로 작동했는지 알려 줍니다.
모델을 학습시키기보다 에이전트를 만드는 팀이라면 진입점은 Weave입니다. 검색과 모델 호출을 거치는 요청 한 건을 처음부터 끝까지 추적하고 추론마다 입력과 출력을 담은 뒤, 정확도와 지연 시간, 토큰 사용량 세 축에서 후보 구성을 비교하고 어느 쪽을 운영에 올릴지 정합니다. 개인정보 마스킹이라는 기능이 존재하는 이유는 분명합니다. 고객을 상대하는 어시스턴트가 운영 환경에 남기는 트레이스에는 고객 정보가 들어 있을 수밖에 없기 때문입니다.
의료와 금융, 공공 부문 팀은 대개 원본 학습 자산을 멀티테넌트 SaaS로 보낼 수 없습니다. Bring Your Own Bucket 경로가 바로 이 상황을 위해 존재하지만, 중요한 예외가 하나 있으며 지원 플랫폼 절에서 짚습니다.
학술 무료 라이선스는 상당히 후하며 구체적인 조건은 가격 절에 있습니다. 여러 학생이 작은 실험을 대량으로 돌리는 연구실이라면 무제한 추적 시간과 100석이라는 조건이 비용 구조를 통째로 바꿉니다. 다만 민감한 연구를 올리기 전에 제한 사항 절의 라이선스 항목을 먼저 읽으시기 바랍니다.
먼저 학습하거나 미세조정하고, Registry에서 어댑터에 버전을 매긴 다음, 서버리스 추론으로 LoRA 가중치를 돌립니다. 이 통합은 새로 생긴 것이며 지금까지 CoreWeave 결합이 제품 차원에서 만들어 낸 가장 뚜렷한 성과입니다.
1. 설치와 인증. pip install wandb를 실행한 뒤 API 키로 로그인합니다. 커뮤니티에 기록된 알려진 마찰이 하나 있습니다. wandb.login()이 Google Colab에서 매번 멈췄다가 연결이 끊긴다는 제목의 이슈가 2021년 4월부터 열려 있고 반응 15개와 댓글 38개가 달려 있습니다. 주로 호스팅 노트북에서 작업한다면 인증 절차에 시간을 조금 잡아 두시기 바랍니다.
2. 실행을 열고 설정을 기록합니다. 학습 스크립트 맨 위에서 wandb.init(project=...)을 호출하고 하이퍼파라미터를 run.config에 넣습니다. 학습 뒤가 아니라 학습 전에 해야 합니다. 나중에 실행끼리 비교할 수 있게 만드는 것이 바로 이 설정이며, 설정 없는 실행 기록은 설명 없는 그래프에 지나지 않습니다.
3. 학습 루프 안에서 지표를 기록합니다. run.log({"loss": loss})를 작업에 맞는 주기로 호출합니다. 공식 사이트의 PyTorch 예제는 args.log_interval 배치마다 기록하는데, 그 감각이 맞습니다. 흐름이 보일 만큼 촘촘하되 대시보드가 잠기지 않을 만큼 성기게 남기는 것입니다.
4. 아티팩트를 담습니다. run.log_artifact("./my_model.pt", type="model")이 모델을 버전이 매겨진 계보 그래프에 넣습니다. 가중치가 이미 클라우드 스토리지에 있다면 참조형 아티팩트를 쓰십시오. 외부 버킷에 있는 데이터는 저장 용량에 계산되지 않고 메타데이터만 계산됩니다.
5. 지원되는 프레임워크를 쓴다면 지름길을 택하십시오. Hugging Face가 만든 Transformers 학습 프레임워크를 쓰고 있다면 TrainingArguments에 report_to="wandb" 한 줄을 넣는 것이 통합의 전부입니다. PyTorch Lightning을 쓰고 있다면 WandbLogger 객체를 만들어 Trainer에 넘기면 됩니다. 대부분의 스택에서 로깅을 손으로 짤 필요가 없습니다.
6. 단일 실행이 지루해지면 Sweeps로 넘어가십시오. 탐색 공간을 정의하고 나머지는 에이전트에 맡깁니다. 입력 분포는 직접 고르고 조기 종료는 꼭 켜서 GPU 예산이 유망한 구간에 쓰이도록 하십시오.
7. 모델 호출이 들어 있는 코드에는 모두 Weave를 붙이십시오. weave.init("프로젝트명")에 이어 관심 있는 함수에 @weave.op를 답니다. 데코레이터 방식이라는 것은 기존 코드를 다시 짜는 대신 주석을 다는 것에 가깝다는 뜻입니다.
8. 사람을 위해 Reports와 Automations를 설정하십시오. Report는 학습 결과가 동료가 읽는 무언가로 바뀌는 자리입니다. Automations와 Slack 또는 이메일 알림은 Pro 이상에서 쓸 수 있으며, 대시보드를 계속 들여다보지 않아도 되게 해 줍니다.
9. 규모를 키운 뒤가 아니라 키우기 전에 배포 형태를 정하십시오. 멀티테넌트인지 전용인지 고객 관리형인지, 그리고 데이터 소재지가 제약이라면 BYOB 절을 꼼꼼히 읽으십시오. 제품군마다 적용 범위가 같지 않기 때문입니다.
머신러닝 엔지니어와 연구 과학자가 주 독자층이며, 모든 진입점이 파이썬 import인 이유이기도 합니다. 여러분의 결과물이 학습 스크립트라면 이 도구는 그 스크립트를 위한 계측 장치입니다.
생성형 AI 애플리케이션 개발자는 실험 추적이 아니라 Weave를 통해 들어옵니다. 학습 실행을 한 번도 기록하지 않고도 트레이싱과 평가에서 온전한 가치를 얻습니다.
ML 플랫폼과 인프라 팀이 신경 쓰는 것은 배포 행렬과 BYOB 적용 범위, SSO, SCIM 프로비저닝, 사용자 정의 역할, 감사 로그입니다. 보안 심사 앞에서 이 도구를 방어할 수 있게 해 주는 부분입니다.
학술 연구자는 무료 Pro 라이선스를 받을 수 있으며 조건은 아래에 있습니다. 다만 제한 사항 절의 데이터 사용 조항을 함께 보아야 합니다.
개인 실무자와 학습자는 무료 요금제에 무기한 머물 수도 있고 wandb server start로 로컬 서버를 띄울 수도 있습니다. 다만 로컬 Personal 등급에는 중요한 라이선스 제한이 붙어 있습니다. 제한 사항 절을 보십시오.
맞지 않는 경우: 노코드 AI 도구를 찾는 사람입니다. 파이썬을 쓰지 않고 이 제품을 의미 있게 쓰는 경로는 없습니다. 또한 생성형 AI 트레이스 데이터의 소재지가 반드시 자사 스토리지여야 하는 팀은 결정 전에 BYOB 예외 조항을 반드시 읽어야 합니다.
W&B는 여러분의 학습 코드가 도는 곳이면 어디서든 돕니다. 시스템 요구사항이 있는 애플리케이션이 아니라 라이브러리에 서비스가 붙은 형태이기 때문입니다. 달라지는 것은 그 서비스 자체가 어디에 놓이는가입니다.
가격 페이지는 SaaS(멀티테넌트 클라우드)와 Dedicated(전용), Customer-managed(고객 관리형)를 나란히 놓습니다. 기업 등급에는 리전 선택권이 있는 단일 테넌트 옵션이 더해집니다.
문턱은 의도적으로 낮습니다. 자체 호스팅에는 Docker와 파이썬이 설치된 기계면 충분하고, 서버는 그 조건을 만족하는 Linux나 macOS, Windows에서 돕니다. 시작은 두 줄입니다. pip install wandb 다음 wandb server start입니다.
책임의 교환 관계는 벤더가 분명히 밝히고 있습니다. 자체 호스팅은 데이터와 프라이버시에 대한 완전한 통제권을 주지만, 데이터 저장과 백업 관리는 여러분의 책임이라는 것입니다. 이것이 이 거래의 정직한 버전이며, 자체 호스팅이 무조건 더 안전하다고 여기는 사람에게 그대로 전할 만한 이야기입니다.
BYOB는 아티팩트와 그 밖의 민감한 데이터를 자사 클라우드나 온프레미스 인프라에 저장하게 해 줍니다. 전용 클라우드와 멀티테넌트 클라우드에서는 여러분이 자기 버킷에 저장한 데이터를 W&B가 관리하는 인프라로 복사하지 않습니다. 지원되는 백엔드는 여러 가지입니다. 모회사가 제공하는 CoreWeave AI Object Storage가 있고 아마존의 S3 객체 스토리지가 있습니다. 구글의 클라우드 스토리지와 마이크로소프트의 Azure Blob Storage도 함께 지원됩니다. 공용 클라우드 외에 자사 환경에 올린 S3 호환 스토리지도 쓸 수 있으며 기업용 MinIO 스토리지가 그런 예입니다. SDK와 CLI, UI가 여러분의 버킷과 통신할 때는 사전 서명 URL을 씁니다.
이 기능이 실제 규제 요건을 충족하는지는 두 가지 단서가 결정하며, 둘 다 마케팅 페이지가 아니라 기술 문서에서 나옵니다.
첫째는 배포 형태에 따른 적용 범위입니다. 멀티테넌트 클라우드는 팀 단위 BYOB만 지원하며 인스턴스 단위는 해당하지 않습니다. 전용 클라우드와 자체 관리형은 인스턴스 단위와 팀 단위를 모두 지원합니다.
둘째가 더 중요합니다. W&B 플랫폼의 보안 스토리지 커넥터, 곧 BYOB는 Weave에는 제공되지 않습니다. 데이터 소재지 요건이 생성형 AI 애플리케이션의 트레이스 데이터, 즉 운영 환경 LLM 호출의 입력과 출력까지 포함한다면 BYOB로는 지금 그 요건을 풀 수 없습니다. 플랫폼의 생성형 AI 쪽을 검토하는 규제 산업 팀에게는 가장 중요한 제한이며, 가격표에는 Weave 미지원이라는 짧은 각주로만 표시되기 때문에 놓치기 쉽습니다.
BYOB를 켜도 데이터는 나뉘어 있습니다. 중앙 데이터베이스는 사용자와 팀, 아티팩트, 실험, 프로젝트의 메타데이터와 함께 Reports, 실험 로그, 시스템 지표, 콘솔 로그를 보관합니다. 여러분의 버킷에는 실험 파일과 지표, 아티팩트 파일, 미디어 파일, run 파일, 그리고 Parquet 형식으로 내보낸 이력 지표와 시스템 이벤트가 들어갑니다. 내 버킷을 쓴다는 말이 아무것도 내 경계를 벗어나지 않는다는 뜻은 아닙니다.
실험 모니터링과 학습 실행 추적을 위한 iOS 앱이 있습니다. 사이트 현지화는 일부만 되어 있습니다. 마케팅 사이트의 링크를 열거해 보면 일본어와 한국어, 독일어 세 개 하위 사이트만 존재합니다. 중국어와 프랑스어, 러시아어, 스페인어, 포르투갈어 버전은 없으므로 이 세 언어를 제외한 비영어권 팀은 영문 문서로 작업하게 될 것을 예상해야 합니다.
서로 독립된 두 갈래가 있습니다. 클라우드 호스팅과 프라이빗 호스팅이며, 각각 조건이 다른 무료 등급을 따로 가지고 있습니다. 둘을 혼동하기 쉽고 그 결과도 가볍지 않습니다.
Free는 월 0달러입니다. AI 애플리케이션과 모델의 개인 개발용으로 설계되었습니다. AI 애플리케이션 평가와 트레이싱, 스코어러, AI 모델 실험 추적, AI 자산 레지스트리와 계보 추적, 커뮤니티 지원이 포함됩니다. 한도는 모델 좌석 최대 5개와 월 5GB 저장 용량, 월 1GB Weave 데이터 수집입니다.
Pro는 월 60달러부터 시작하며 월 단위로 청구되고 30일 무료 체험이 있습니다. 무료 등급에 더해 협업 팀 수 무제한과 팀 기반 접근 제어, 서비스 계정, 우선 이메일 및 채팅 지원, CI/CD 자동화, Slack과 이메일 알림이 붙습니다. 한도는 모델 좌석 최대 10개와 월 100GB 저장 용량(초과분은 GB당 0.03달러), 월 1.5GB Weave 데이터 수집(초과분은 MB당 0.10달러)입니다.
Enterprise는 맞춤형 요금제입니다. 리전을 고를 수 있는 단일 테넌트 옵션과 HIPAA 준수 옵션, 보안 프라이빗 연결, 고객 관리형 암호화 키, 싱글 사인온, 자동 사용자 프로비저닝, 사용자 정의 역할, 감사 로그, 기업 지원 패키지가 더해집니다.
Pro에는 중요한 단서가 붙으며 이는 기술적 상한이 아니라 라이선스 규칙입니다. W&B Pro는 직원 50명 미만의 초기 팀과 조직을 위해 설계되었고, 이 기준을 넘는 고객은 W&B Enterprise로 전환하도록 요구받게 됩니다. Pro가 더 높은 사용량을 감당하지 못할 수 있는 속도 제한과 성능 제약을 전제로 설계되었기 때문입니다. 직원 60명인 회사가 Pro 좌석을 계속 사는 방식으로 넘길 수는 없습니다.
Personal은 월 0달러입니다. 사용자 좌석 1개에 실험 추적과 레지스트리, 계보 추적이 포함되며 Docker와 파이썬이 있는 어떤 기계에서든 로컬로 돌릴 수 있습니다. 제한은 모호하지 않고 페이지에 두 번 반복됩니다. 개인 프로젝트 전용이며 기업 용도는 허용되지 않습니다.
Advanced Enterprise는 맞춤형 요금제이고 무료 기업 체험 라이선스를 제공하며 유연한 배포 옵션과 HIPAA 준수, 보안 프라이빗 연결, CMEK, SSO, 자동 사용자 프로비저닝, 사용자 정의 역할, 감사 로그, 기업 지원 패키지를 포함합니다.
학술 연구는 영구 무료입니다. 프로젝트와 팀 수 제한이 없고 200GB 무료 클라우드 저장 용량이 제공됩니다. 자격 요건은 영리 기업과 연결되지 않은 연구를 수행하는 학술 기관에 무료 Pro 라이선스를 제공한다는 것이며, 대상은 학생과 교수, 박사후연구원이고 유효한 학술 기관 이메일이 필요합니다. 라이선스에는 Pro의 전체 기능과 무제한 추적 시간, 200GB 클라우드 저장 용량, 월 최대 25GB Weave 데이터 수집, 최대 100석이 포함되며 추가 저장 용량은 GB당 0.03달러가 월 단위로 청구됩니다.
Pro는 월 단위 또는 연 단위로 선불 청구됩니다. 모델 좌석은 기간 중 추가 시 일할 계산되지만 좌석을 줄여도 크레딧은 발급되지 않습니다. Weave 데이터 수집과 W&B Inference, 저장 용량은 사용량을 기준으로 후불 월 단위 청구됩니다. Enterprise는 연 단위 선불 청구서가 발행됩니다.
저장 용량은 위에서 본 GB일 계산으로 30일 가중 평균을 내며 아티팩트와 실행에 기록된 데이터를 모두 포함합니다. 참조형 아티팩트와 외부 버킷의 데이터는 계산되지 않습니다. 추론은 모델별 과금이며 한시적으로 무료 크레딧이 제공되고 Pro에는 월 5달러 크레딧이 역시 한시적으로 포함됩니다. CoreWeave Sandboxes는 공개 프리뷰 상태이며 Free와 Pro에 각각 월 10달러와 25달러 크레딧이 붙지만 이 또한 한시적입니다. 이 네 가지 크레딧은 모두 프로모션 조건으로 보고 예산을 짜기 전에 당시 조건을 확인하시기 바랍니다.
Free는 커뮤니티 지원입니다. Pro는 우선 이메일과 채팅 지원을 받으며 최초 응답은 심각도에 따라 4시간에서 24시간입니다. Enterprise는 심각도와 지원 패키지에 따라 1시간에서 4시간입니다. 업무 시간은 태평양 시간 기준 월요일부터 금요일 오전 2시부터 오후 5시로 정의됩니다. 전용 Slack 또는 MS Teams 채널과 전담 AI 솔루션 엔지니어는 Premium Support에만 포함됩니다.
실험 추적 도구 선택은 대체로 그와 함께 무엇을 들여올 각오가 되어 있느냐의 문제입니다.
MLflow는 오픈 소스 진영의 기본값이자 가장 흔한 비교 대상입니다. 추적 서버가 전적으로 우리 것이어야 하고 어떤 벤더와도 관계를 맺지 않아야 한다는 요구라면 MLflow가 답이 됩니다. W&B의 반론은 호스팅된 협업 계층과 Sweeps의 구현, 그리고 생성형 AI 트레이싱 쪽인데 이 셋은 MLflow가 기본 상태로 제공하지 않습니다.
Neptune.ai와 Comet은 인접한 위치의 상업용 추적 도구입니다. 이들 사이의 선택은 대개 팀 규모별 가격과 특정 시각화 요구에 좌우되며 기능 격차 때문은 아닙니다.
TensorBoard는 여전히 마찰 없는 로컬 선택지입니다. 한 사람이 한 기계에서 쓸 때는 정답이고, 두 번째 사람이 결과를 봐야 하는 순간 정답이 아니게 됩니다.
클라우드 네이티브 플랫폼인 Vertex AI와 SageMaker, Azure ML은 추적을 학습이 이미 돌고 있는 플랫폼 안에 묶어 넣습니다. 대가는 이식성이며, 이는 정확히 CoreWeave가 W&B 고객에게 강요하지 않겠다고 공개적으로 약속한 항목입니다.
LangSmith와 Langfuse, Arize Phoenix는 W&B 전체가 아니라 Weave와 경쟁합니다. 모델을 학습시키지 않고 대규모 언어 모델 애플리케이션만 만드는 팀이라면 이 더 좁은 영역을 따로 평가해야 합니다.
비교할 때 구조적으로 짚어 둘 점이 하나 더 있습니다. W&B 클라이언트가 MIT 라이선스이고 Weave가 Apache-2.0이므로, 호스팅 백엔드가 독점이더라도 여러분이 작성한 계측 코드 자체는 막다른 길이 되지 않습니다. 나중에 마음을 바꾸는 비용을 없애지는 못해도 줄여 줍니다.
이 절이 다른 절보다 긴 이유는 여기 있는 제약이 추측이 아니라 문서에 근거하기 때문이며, 그중 몇 가지는 가격 페이지가 아니라 마스터 서비스 계약 안에 있기 때문입니다.
무료 및 학술 고객의 데이터가 테스트와 개발에 사용될 수 있습니다. 마스터 서비스 계약은 W&B가 무료 및 학술 고객의 고객 데이터를 테스트와 개발 목적으로 사용할 수 있다고 규정합니다. 미발표 연구나 상업적으로 민감한 작업을 무료 등급에 올릴지 고민하는 사람에게 이 페이지에서 가장 중요한 문장이며, 가격 페이지에는 전혀 나오지 않습니다. 유료 등급은 이 조항의 적용을 받지 않습니다. 연구실의 미발표 실험을 올리기 전에 반드시 읽으십시오.
프라이빗 호스팅의 Personal 등급은 기업 용도를 금지합니다. 개인 프로젝트 전용이며 기업 용도는 허용되지 않습니다. 엔지니어가 회사 노트북에서 회사 프로젝트를 위해 로컬 서버를 돌리는 것은 그 라이선스 범위 밖입니다.
무료 요금제에는 지속성 보장이 없습니다. W&B는 자체 재량으로 언제든 사전 통지 없이 무료 구독 요금제를 수정하거나 중단하거나 정지하거나 종료할 권리를 보유합니다.
BYOB는 Weave를 다루지 않습니다. 규제 검토 막바지에 계획을 뒤집을 가능성이 가장 큰 제한이므로 여기서 다시 적습니다. 생성형 AI 트레이스 데이터는 현재 여러분의 버킷에 보관할 수 없습니다.
AI 기능과 출력에는 지식재산권 면책이 없습니다. 계약은 명확합니다. W&B는 AI 기능이나 출력이 제3자 지식재산권으로부터 자유롭다는 어떠한 진술이나 보증도 하지 않으며, 이와 관련한 제3자 침해 주장에 대해 고객을 면책할 의무가 없습니다. 모든 AI 기능과 출력은 있는 그대로 제공됩니다. 별도로 고객은 머신러닝의 성질상 출력이 부정확하거나 여러 사용자에게 동일하게 나올 수 있음을 인정하고, 출력에 의존하기 전에 스스로 평가해야 합니다.
베타 기능에는 어떠한 보증이나 면책, SLA, 지원도 없으며 책임 없이 언제든 중단될 수 있습니다. Sandboxes가 현재 공개 프리뷰이므로 이 조항은 가정이 아니라 실제로 작동 중입니다.
실행 기록은 사실상 덧붙이기 전용입니다. 커뮤니티 증거는 일관되고 오래되었습니다. 완료된 실행의 그룹 이름 변경(2020년부터 열림, 반응 66개), 옛 실행과 새 실행 병합(2022년, 51개), 프로젝트 간 실행 복사(2023년, 37개), 삭제한 실행 이름 재사용(2020년, 26개)이 지금도 모두 열린 요청입니다. 프로젝트 구조를 그에 맞춰 설계하십시오.
노트북 환경의 인증이 불안정할 수 있습니다. Colab 로그인 이슈는 2021년부터 열려 있고 댓글 38개가 달렸습니다.
고객 이름과 로고가 마케팅에 쓰일 수 있습니다. 계약은 고객이 마케팅 자료와 공개 발표, 투자자 커뮤니케이션에서 자사 이름과 로고를 W&B가 사용하는 데 동의하도록 규정합니다.
데이터 내보내기는 고객의 책임이고 시점이 중요합니다. 고객은 만료나 해지 전에 스스로 데이터를 내보내야 하며 이후 W&B는 자체 정책에 따라 삭제합니다. 지급 의무는 취소할 수 없고 요금은 명시된 경우를 제외하고 환불되지 않습니다.
면책 범위가 넓습니다. 특정 보증 조항을 제외하면 W&B 자산은 있는 그대로 제공되며 성능과 상품성, 특정 목적 적합성, 비침해 보증이 명시적으로 배제되고 서비스에 오류가 없거나 중단 없이 동작한다는 보증도 없습니다.
준거법은 뉴욕주법이고 전속 관할은 뉴욕 카운티이며 배심 재판을 포기합니다. 미국 외 고객은 분쟁 해결 비용을 조달 검토에 반영해야 합니다.
만 13세 미만은 사용할 수 없습니다.
검증 가능한 제3자 평점이 존재하지 않습니다. 이는 제품의 결함이 아니라 확보 가능한 증거의 한계이며 덮지 않고 그대로 밝힙니다. wandb.ai의 Trustpilot 프로필은 소유권이 확인되지 않았고 점수는 0.0이며 리뷰는 0건입니다. 페이지에는 이 회사가 아직 아무 평가도 받지 않았다고 그대로 적혀 있습니다. 평점 확인은 여러 곳에서 시도했습니다. 소프트웨어 리뷰 사이트인 G2에서 시도했고, 기업용 소프트웨어 평가 플랫폼인 Gartner Peer Insights에서도 시도했습니다. 오픈 소스 디렉터리인 SourceForge와 기술 뉴스 사이트 계열의 Slashdot에서도 마찬가지였습니다. 그러나 이들 네 곳은 모두 수집 단계에서 차단되었으므로 이 페이지 어디에서도 그 출처의 점수를 인용하지 않습니다. 사용자가 리뷰 사이트가 아니라 GitHub 이슈로 의사를 표현하는 개발자 인프라에서는 놀라운 공백이 아니지만, 여기서의 제3자 증거가 점수가 아니라 매체 보도와 검증 가능한 저장소 데이터에 기반한다는 뜻이기도 합니다. 관련하여 한 가지 주의점이 있습니다. 그 미확인 Trustpilot 프로필은 회사 소재지를 앵귈라로 기재하고 있는데 이는 운영 계약의 샌프란시스코 주소와 어긋나므로 신뢰해서는 안 됩니다.
데이터 처리는 미국 중심입니다. 하위 처리자 표는 AWS와 Azure, GCP, Clickhouse를 미국 또는 고객이 선택한 곳으로, CoreWeave(클라우드 인프라 관리 목적의 계열사로 표기)와 Datadog, Hex를 미국으로 기재합니다. 모회사가 이제 데이터 처리 경로에 들어와 있고 그 처리 위치는 고객의 리전 선택으로 바뀌지 않는다는 점에 유의하십시오.
버그 바운티 범위가 좁습니다. qa.wandb.ai와 api.qa.wandb.ai에서 나온 발견만 자격이 있고 나머지 모든 하위 도메인은 제외됩니다. 포상은 낮은 심각도의 50에서 100달러부터 SQL 인젝션과 원격 코드 실행, 권한 상승, 내부 서비스로 향하는 SSRF 같은 치명적 사안의 750에서 1,000달러까지입니다. 연구자는 비밀유지계약에 서명해야 하고 서면 승인 없이 발견을 공개적으로 논의할 수 없습니다. 이 정책은 잠재 고객이 얻을 수 있는 공개 보안 신호를 제한하기도 합니다.
구매 결정을 엔지니어가 아니라 보안팀이 내리는 경우가 잦은 제품인 만큼 인증 목록은 정확히 옮길 값어치가 있습니다. 플랫폼은 국제 표준 인증을 세 가지 받았습니다. 첫째는 정보보안 관리체계 표준의 2022년 판이고, 둘째는 클라우드 서비스를 위한 정보보안 통제 표준이며, 셋째는 클라우드에서의 개인식별정보 보호에 관한 표준입니다. 인증 외에도 플랫폼은 SOC 2 Type 2 감사 기준을 충족하고 미국 건강보험 이동성 및 책임에 관한 법률의 요구사항도 준수합니다. 공식 문서는 또한 고객이 미국 연방 정보시스템 보안 통제 체계를 충족하도록 돕고, 개인정보 처리에 관한 유럽연합 일반 개인정보 보호법의 요구사항과도 정렬되어 있다고 밝힙니다.
암호화는 전송 중 TLS 1.2 이상, 저장 시 AES 256입니다. 인증은 OIDC와 LDAP, SAML을 통한 싱글 사인온을 지원하고 세분화된 권한 관리를 위해 역할 기반 접근 제어를 제공합니다. 보안 테스트는 정기 취약점 테스트와 침투 테스트를 병행하며 규제 준수 체계는 내부 검토와 독립 제3자 평가를 함께 포함합니다.
등급별 기능 제공은 고르지 않으므로 요구사항과 하나씩 대조해야 합니다. SOC 2 Type II와 Artifacts TTL을 통한 데이터 보존 설정은 등급 전반에 있지만, IP 허용 목록과 인바운드 및 아웃바운드 보안 프라이빗 연결, AWS와 GCP용 고객 관리형 암호화 키는 프라이빗 호스팅에서만 제공된다고 표시됩니다. HIPAA 준수는 BYOB로 가능하다고 표시되고, 사용자 정의 역할과 자체 버킷 사용은 Weave 미지원으로 표시됩니다.
법률 문서는 하나의 입구에 모여 있으며 웹사이트 이용약관과 마스터 서비스 계약, W&B AI 약관, 서비스 수준 협약, 지원 정책, 데이터 처리 부속서, 개인정보 처리방침, 현대판 노예제 성명이 포함됩니다. DPA와 SLA가 독립된 공개 문서로 존재한다는 사실 자체가 조달 관점에서 성숙도를 보여 주는 신호입니다.
CoreWeave입니다. 인수는 2025년 5월 5일 완료되었고 CoreWeave, Inc.(나스닥 CRWV)가 발표했으며 W&B 자체 소개 페이지에서도 확인됩니다. 계약 주체는 그대로입니다. 계약은 여전히 샌프란시스코에 본사를 둔 델라웨어주 유한책임회사 Weights and Biases, LLC와 체결됩니다. 공동 창업자 Lukas Biewald의 현재 직함은 총괄 매니저 겸 공동 창업자입니다.
아닙니다. CoreWeave가 인수 완료 보도자료에서 공개적으로 그렇게 밝혔습니다. 고객이 어떤 배포 방식이든 어떤 인프라 공급자든 어떤 파운데이션 모델과 프레임워크, 프로토콜이든 고를 수 있도록 플랫폼의 상호운용성에 계속 전념하겠다는 것입니다. 계약 조항이 아니라 공개 약속으로 이해하되 현실의 상쇄 요인도 함께 보십시오. CoreWeave는 이제 클라우드 인프라 관리를 맡는 계열사로 하위 처리자 표에 등장합니다.
클라우드 Free 등급은 월 0달러이며 AI 애플리케이션 평가와 트레이싱, 스코어러, 모델 실험 추적, 레지스트리와 계보 추적, 커뮤니티 지원을 포함합니다. 상한은 모델 좌석 최대 5개와 월 5GB 저장 용량, 월 1GB Weave 수집입니다. 경계는 팀 협업에 있습니다. 무제한 팀과 팀 기반 접근 제어, 서비스 계정, CI/CD 자동화, 알림은 모두 Pro가 필요합니다. 그리고 한도가 아닌 가장 중요한 제한은 계약상의 것입니다. W&B는 무료 및 학술 고객의 고객 데이터를 테스트와 개발 목적으로 사용할 수 있습니다.
그렇고 조건도 구체적입니다. 영리 기업과 연결되지 않은 연구를 수행하는 학술 기관에 제공되는 무료 Pro 라이선스이며 대상은 학생과 교수, 박사후연구원이고 유효한 기관 이메일이 필요합니다. Pro의 전체 기능과 무제한 추적 시간, 200GB 클라우드 저장 용량, 월 최대 25GB Weave 수집, 최대 100석을 포함하고 추가 저장 용량은 GB당 0.03달러 월 청구입니다. 무료 계정에 적용되는 테스트 및 개발 목적 데이터 조항이 여기에도 똑같이 적용됩니다.
진입점과 저장소가 각각 다른 별개의 제품군입니다. wandb는 모델 학습 쪽을 담당하며 실험 추적과 Sweeps, Artifacts, Registry가 여기 속하고 클라이언트는 MIT 라이선스입니다. weave는 생성형 AI 애플리케이션 쪽을 담당하며 LLM 호출 트레이싱과 평가, 운영 모니터링, LLM-as-a-judge 지표, 개인정보 마스킹이 여기 속하고 라이선스는 Apache-2.0입니다. 계정과 청구는 공유하지만 Weave는 저장 용량과 별도로 계량되는 수집 한도를 따로 가집니다.
부분적으로만 가능합니다. 자체 버킷 사용 기능은 여러 스토리지를 지원합니다. 모회사가 제공하는 CoreWeave AI Object Storage와 아마존의 S3 객체 스토리지를 지원하고, 구글의 클라우드 스토리지와 마이크로소프트의 Azure Blob Storage도 지원합니다. 기업용 MinIO 스토리지처럼 S3 호환 규격을 따르는 제품도 함께 지원됩니다. 다만 BYOB는 Weave에 제공되지 않으므로 생성형 AI 트레이스는 여러분의 버킷에 둘 수 없습니다. 적용되는 범위 안에서도 중앙 데이터베이스는 사용자와 팀, 아티팩트, 실험, 프로젝트의 메타데이터와 Reports, 실험 로그, 시스템 지표, 콘솔 로그를 계속 보관합니다.
저장 용량은 최대치가 아니라 30일 가중 평균입니다. 벤더가 제시한 예시는 100GB를 15일, 200GB를 하루, 300GB를 14일 쓰면 합계 5,900 GB일이고 30으로 나누어 196.6GB, 그달은 197GB로 기록된다는 것입니다. 주된 조절 수단은 참조형 아티팩트입니다. 외부 버킷에 있는 데이터는 한도에 포함되지 않고 실제로 W&B에 저장한 메타데이터만 포함됩니다.
가능합니다. Docker와 파이썬이 필요하고 서버는 Linux나 macOS, Windows에서 돕니다. 시작은 pip install wandb 다음 wandb server start입니다. 떠안는 부분은 벤더가 밝혀 두었습니다. 데이터와 프라이버시에 대한 완전한 통제권을 얻지만 데이터 저장과 백업 관리는 여러분의 책임입니다. 라이선스 구분에도 유의하십시오. 무료 Personal 등급은 개인 프로젝트 전용이고 기업 용도는 허용되지 않으므로 업무용 자체 호스팅에는 Advanced Enterprise 요금제가 필요합니다.
직접 확인할 수 있는 평점이 하나도 없었기 때문입니다. wandb.ai의 Trustpilot 프로필은 소유권 미확인 상태이고 점수는 0.0, 리뷰는 0건입니다. 소프트웨어 리뷰 사이트인 G2를 비롯해 Gartner Peer Insights와 SourceForge, 그리고 Slashdot까지 네 곳은 조사 과정에서 모두 차단되었습니다. 따라서 그 출처의 점수는 어디에서도 인용하지 않았습니다. 검증되지 않은 숫자를 되풀이하는 대신 이 페이지는 확인 가능한 것에 기댑니다. 저장소 지표와 열린 커뮤니티 이슈, 공개된 가격, 계약 원문입니다.
클라이언트 라이브러리는 그렇고 호스팅 서비스는 아닙니다. wandb/wandb는 MIT 라이선스에 별 11,239개와 포크 886개, 열린 이슈 954개이며 2017년 3월에 만들어졌습니다. wandb/weave는 Apache-2.0에 별 1,121개, 열린 이슈 226개입니다. 이 페이지를 조사한 당일에도 두 저장소 모두 커밋을 받고 있었습니다. 계측 코드는 읽고 포크할 수 있지만 여러분의 실행 기록을 저장하고 제공하는 SaaS 백엔드는 여전히 독점입니다.
