Weights & Biases é a plataforma para desenvolvedores de IA usada por engenheiros de aprendizado de máquina para registrar experimentos, explorar hiperparâmetros, versionar conjuntos de dados e modelos e rastrear agentes LLM em produção. Foi adquirida pela CoreWeave em maio de 2025.
Já usou esta ferramenta? Avalie-a
Já usou esta ferramenta? Avalie-a
Weights & Biases, quase sempre abreviado como W&B e acessível pelo nome de pacote wandb que dá o slug a esta ficha, é uma plataforma para pessoas que desenvolvem IA cujo propósito declarado consiste em servir de sistema de registro para o trabalho com inteligência artificial. O site oficial formula a promessa assim: a plataforma para desenvolvedores que permite construir agentes, aplicações e modelos de IA com confiança. A expressão que reaparece em todas as páginas de produto é deliberadamente arquivística: milhares de empresas se apoiam no W&B como system of record para treinar seus modelos e desenvolver suas aplicações de IA.
Essa formulação importa, porque explica também o que o produto não é. Não é um modelo, nem um caderno hospedado, nem uma interface de arrastar e soltar voltada a quem não escreve código. Toda interação significativa com o W&B começa dentro de um programa em Python que já está treinando algo ou já está chamando um modelo de linguagem. A tarefa da ferramenta consiste em observar esse programa, registrar o que aconteceu de forma duradoura e comparável e tornar esse registro consultável meses depois por um colega que não estava presente durante a execução. Dito de outro modo, a disciplina a que ela serve tem nome preciso: o rastreio de experimentos ML.
A empresa foi fundada em 2017 por três pessoas. A primeira é Lukas Biewald, a segunda Chris Van Pelt e a terceira Shawn Lewis. Os três haviam criado antes, em conjunto, uma companhia de anotação de dados chamada Figure Eight. A página institucional descreve com concretude incomum o problema de partida: naquela época, acompanhar modelos era em grande medida uma tarefa manual e reproduzi-los era praticamente impossível, enquanto o aprendizado profundo avançava rapidamente ao redor. O que começou como uma solução de rastreio de experimentos desenvolvida para ajudar a construir modelos na OpenAI cresceu até se tornar uma plataforma MLOps de ponta a ponta. O repositório do GitHub corrobora de forma independente o ano de fundação: wandb/wandb foi criado em 24 de março de 2017.
Qualquer avaliação do W&B em 2026 precisa começar por uma mudança de propriedade, porque ela afeta materialmente tanto o roteiro do produto quanto a cadeia de tratamento de dados. Em maio de 2025, a Weights & Biases foi adquirida pela CoreWeave. Essa frase vem da própria página institucional da W&B e se confirma pelo lado comprador: a CoreWeave, Inc. (Nasdaq: CRWV) anunciou de Livingston, em Nova Jersey, no dia 5 de maio de 2025, ter concluído a aquisição da Weights & Biases.
Dois aspectos da operação merecem tratamento cuidadoso, porque a versão mais difundida soa mais categórica do que as evidências permitem.
Primeiro, o preço. A reportagem do TechCrunch afirma com clareza que a CoreWeave adquiriu a plataforma por uma quantia não divulgada, e atribui o número frequentemente citado de 1,7 bilhão de dólares a uma matéria do The Information, e não a qualquer das duas companhias. O comunicado de conclusão da CoreWeave, lido integralmente, não contém valor algum da transação. A formulação honesta é, portanto, que a imprensa especializada noticiou um montante próximo de 1,7 bilhão, diante de uma avaliação de 1,25 bilhão registrada para a empresa em 2023, e não que as partes divulgaram um preço. Quem redige um parecer de compra deve tratar esse número como jornalismo, não como divulgação oficial.
Segundo, a entidade operacional não mudou. O contrato-quadro de serviços continua designando como parte a Weights and Biases, LLC, sociedade de responsabilidade limitada de Delaware com sede principal em 400 Alabama Street, Suite 202, São Francisco, Califórnia 94110. Os contratos são assinados com essa entidade e regidos pelo direito do estado de Nova York.
O que de fato mudou aparece em três lugares. A página de liderança apresenta agora o cofundador Lukas Biewald como gerente-geral e cofundador, e não como diretor executivo, enquanto seus dois cofundadores ostentam o título de engenheiro distinto: um formato organizacional coerente com a transformação em divisão dentro de uma companhia de capital aberto. A página inicial exibe um banner sobre os CoreWeave Sandboxes, ambientes isolados para executar com segurança e em escala agentes de IA e código gerado por modelos. A infraestrutura da controladora aparece assim como recurso de primeira classe dentro da interface do W&B. E a linha de inferência sem servidor é descrita nas próprias palavras do fornecedor como impulsionada pela CoreWeave.
Para quem teme a dependência de fornecedor, a CoreWeave assumiu um compromisso explícito no comunicado de conclusão: a companhia mantém seu empenho na interoperabilidade da plataforma Weights & Biases, de modo que seus clientes conservem a liberdade de escolher qualquer modalidade de implantação, qualquer provedor de infraestrutura e qualquer modelo fundacional, arcabouço ou protocolo. Trata-se de uma promessa pública e não de cláusula contratual, e assim deve ser lida, mas está registrada e constitui a resposta mais direta à pergunta sobre se adotar o W&B hoje equivale a se prender a uma única nuvem de GPU.
A companhia descreve sua equipe como 270 pessoas e ainda crescendo, distribuídas pelo mundo todo. Os números de adoção exigem mais cautela. O TechCrunch noticia que mais de 1.400 organizações usam essas ferramentas como sistema de registro para treinar e ajustar modelos de IA. A matéria cita como exemplos a farmacêutica AstraZeneca e a fabricante de chips Nvidia. É um número fornecido pelo fabricante e repassado pela imprensa, sem auditoria independente; aqui é apresentado como tal e não como fato verificado.
A pegada de código aberto, em contrapartida, pode ser conferida diretamente. A biblioteca cliente wandb/wandb é distribuída sob licença MIT, está escrita em Python e, no momento da redação, apresentava 11.239 estrelas, 886 bifurcações e 954 chamados abertos, com commits recebidos no mesmo dia desta pesquisa. O repositório independente wandb/weave pertence a outra linha de produto tratada adiante e é distribuído sob Apache-2.0, com 1.121 estrelas e 226 chamados abertos. Note a diferença de licença entre os dois repositórios: uma revisão jurídica de um deles não se transfere ao outro. Note também a fronteira que o número de estrelas pode ocultar: o que é aberto é o SDK cliente e a biblioteca Weave, e não o serviço hospedado que guarda suas execuções.
O W&B é mais bem compreendido como sete superfícies de produto que compartilham uma conta, um sistema de cotas de armazenamento e um ponto de entrada em Python. A navegação oficial as divide em sete blocos. O primeiro, Models, constrói e gerencia modelos. O segundo, Training, cuida do ajuste fino. O terceiro, Inference, serve modelos hospedados. O quarto, Weave, dirige-se às aplicações de IA generativa. O quinto, Registry, gerencia ativos. O sexto, Core, reúne relatórios e automações. O sétimo, Secure deployment, cobre as formas de implantação.
O rastreio de experimentos continua sendo o alicerce, e o fornecedor o descreve exatamente com a metáfora arquivística: o sistema de registro do treinamento dos seus modelos, que captura cada modelo, cada métrica e cada hiperparâmetro com poucas linhas de código, de modo a reproduzir resultados, depurar o desempenho e otimizar mais rápido num painel único.
A instrumentação é realmente enxuta. Uma execução é aberta com wandb.init(project="my_first_project"), os hiperparâmetros são anexados a run.config, as métricas são enviadas por run.log({"loss": ...}) e os arquivos do modelo são capturados com run.log_artifact(). Essa última chamada marca a fronteira entre rastreio e gestão de ativos: um artefato registrado durante uma execução é versionado e passa a integrar um grafo de linhagem, em vez de permanecer como arquivo num nó de treinamento que amanhã será liberado.
O W&B Sweeps cuida da otimização de hiperparâmetros e é uma das raras páginas de fornecedor que nomeia seus algoritmos em vez de insinuar uma receita própria. Ao lado de lógica personalizável, oferece otimização bayesiana, e a parada antecipada é implementada expressamente com Hyperband para poupar horas de GPU: as execuções mais promissoras e de melhor desempenho seguem vivas e as piores são encerradas, liberando os agentes para tentar novas combinações. A afirmação de transparência é explícita: o fornecedor declara citar todos os algoritmos que emprega e exibir os registros completos do avanço da busca.
Para um público de engenheiros de aprendizado de máquina, essa divulgação vale mais do que qualquer gráfico comparativo. É possível raciocinar se o corte agressivo característico do Hyperband combina com as próprias curvas de perda, algo impossível diante de uma «busca inteligente» sem nome.
O Weave é a segunda linha de produto e trata de um problema distinto do treinamento. Seu ponto de entrada é weave.init() acompanhado de um decorador @weave.op() aplicado a uma função, após o que a plataforma acompanha as chamadas a modelos de linguagem, a recuperação de documentos e os passos dos agentes.
A tabela comparativa de preços enumera o que o Weave cobre: o rastreamento, que monitora e analisa o desempenho dos modelos generativos tanto em desenvolvimento quanto em produção capturando entradas, saídas e metadados de cada inferência; a avaliação; o monitoramento em produção, que compara lado a lado receitas diferentes envolvendo ajuste fino, RAG, modelos de linguagem e conjuntos de dados segundo precisão, latência e consumo de tokens; as métricas ditas de julgamento por modelo de linguagem; e a supressão de dados pessoais.
A comparação lado a lado é o recurso que reflete de modo mais direto como o trabalho com IA generativa realmente transcorre, e é ali que a observabilidade de LLM deixa de ser jargão. A pergunta raramente é se um modelo é bom, e quase sempre é se este ajuste fino supera aquela configuração de RAG sobre nossos dados, e a que custo em latência e em tokens.
A camada de ativos carrega nomes de produto que reaparecem em toda a documentação. O versionamento de conjuntos de dados e modelos chama-se W&B Artifacts. A visualização interativa chama-se W&B Tables. Os painéis colaborativos chamam-se W&B Reports. O Registry fica acima deles e exerce o papel de registro de modelos para conjuntos de dados, modelos, instruções, código e metadados, com acompanhamento de linhagem.
O Core agrupa o restante da infraestrutura: Reports, Automations, o SDK e, como acréscimo recente que revela a direção tomada, Skills e um servidor MCP para agentes.
Inference é a superfície mais nova e a mais visivelmente moldada pela compra. A inferência sem servidor impulsionada pela CoreWeave oferece acesso por API e por área de testes aos principais modelos de linguagem de código aberto, permitindo desenvolver aplicações e agentes sem se cadastrar num provedor de hospedagem nem implantar modelos por conta própria. Também é possível trazer pesos LoRA treinados por você para executar inferência sem servidor com modelos ajustados, o que fecha um ciclo que antes exigia três fornecedores: treinar aqui, registrar o adaptador aqui, servi-lo aqui.
A tarifação é definida por modelo, com taxas separadas para tokens de entrada, entradas em cache e tokens de saída. Dois exemplos verificáveis no site no momento da redação: NVIDIA Nemotron 3.5 Lightning a 0,10 dólar de entrada, 0,05 em cache e 0,25 de saída por milhão de tokens, com janela de contexto de 262K; e o modelo DeepSeek V4-Flash-0731 a 0,13 de entrada, 0,07 em cache e 0,28 de saída, também em 262K. O catálogo muda ao ritmo das publicações de pesos abertos, de modo que convém tomar como referência a página oficial de preços e não um instantâneo.
A lista de arcabouços suportados é ampla e cada item vem acompanhado de código funcional no site. Para aplicações em torno de modelos de linguagem estão disponíveis LangChain e LlamaIndex. Em aprendizado profundo há suporte ao próprio PyTorch, bem como à biblioteca de treinamento Transformers publicada pela Hugging Face e ao PyTorch Lightning, situado uma camada acima. Do ecossistema Google entram TensorFlow e Keras, construído sobre ele. Para aprendizado de máquina clássico há suporte à biblioteca de propósito geral scikit-learn e ao XGBoost, muito difundido no reforço de gradiente. O caminho mais curto passa pelo Transformers: basta acrescentar report_to="wandb" em TrainingArguments para que o registro comece automaticamente quando trainer.train() for invocado.
O site anuncia o aplicativo móvel do Weights & Biases, apresentado como o primeiro aplicativo para iOS capaz de monitorar experimentos de IA e acompanhar treinamentos a qualquer hora e em qualquer lugar. Vale assinalar por um motivo distinto do recurso em si: um pedido intitulado «wandb mobile/desktop app?» está aberto no GitHub desde junho de 2022 e acumulou 27 reações e 59 comentários. É um caso em que uma demanda antiga da comunidade acabou atendida.
O caso canônico é um treinamento medido em dias de GPU no qual o que importa seis meses depois não é o ponto de verificação, e sim a explicação de como ele veio a existir. Configuração, métricas, estatísticas de sistema e arquivo de modelo acabam no mesmo registro. Quando surge uma regressão em produção, a pergunta sobre o que mudou entre o modelo que funcionava e o que não funciona ganha resposta pesquisável.
Sweeps com parada antecipada Hyperband é tanto um instrumento orçamentário quanto de precisão. Encerrar cedo as execuções piores e realocar os agentes a combinações novas transforma uma busca exaustiva inviável em outra praticável, e as visualizações de importância de parâmetros indicam depois quais ajustes de fato pesaram.
Para equipes que constroem agentes em vez de treinar modelos, a entrada é o Weave. Rastrear uma requisição de ponta a ponta através da recuperação de documentos e das chamadas ao modelo, capturar entradas e saídas por inferência e então comparar as receitas candidatas em precisão, latência e consumo de tokens antes de promover uma delas. A supressão de dados pessoais existe justamente porque os rastros de produção de um assistente voltado ao cliente conteriam, de outro modo, dados de clientes.
Equipes de saúde, finanças e setor público em geral não podem enviar ativos brutos de treinamento a um SaaS multi-inquilino. O armazenamento em balde próprio existe para esse caso, com uma ressalva importante detalhada na seção de plataformas.
A licença acadêmica gratuita é incomumente generosa e suas condições constam da seção de preços. Para um laboratório que roda muitos experimentos pequenos com muitos estudantes, as horas ilimitadas de rastreio e os cem assentos mudam o cálculo por completo. Ainda assim, leia a nota de licença da seção de limitações antes de depositar ali pesquisa sensível.
Primeiro treinar ou ajustar, depois versionar o adaptador no Registry e por fim servir os pesos LoRA por meio da inferência sem servidor. Essa consolidação é recente e constitui até aqui o benefício de produto mais nítido decorrente da união com a CoreWeave.
1. Instalar e autenticar. Execute pip install wandb e depois entre com sua chave de API. A comunidade documentou um atrito conhecido: um chamado intitulado «wandb.login() hangs and then disconnects me every time I try on Google Colab» está aberto desde abril de 2021 com 15 reações e 38 comentários. Se você trabalha sobretudo em cadernos hospedados, reserve algum tempo para o processo de autenticação.
2. Abrir uma execução e registrar a configuração. Chame wandb.init(project=...) no início do script de treinamento e atribua os hiperparâmetros a run.config. Faça isso antes do treinamento e não depois: é a configuração que tornará as execuções comparáveis mais adiante, e um registro sem ela não passa de um gráfico sem explicação.
3. Registrar métricas dentro do laço de treinamento. Use run.log({"loss": loss}) na cadência que convier. O exemplo em PyTorch do site registra a cada args.log_interval lotes, e o instinto está certo: com frequência suficiente para enxergar o formato e com raridade suficiente para não afogar o painel.
4. Capturar artefatos. run.log_artifact("./my_model.pt", type="model") coloca o modelo no grafo de linhagem versionado. Se os pesos já residem em armazenamento na nuvem, use artefatos por referência: dados guardados num balde externo não contam para a cota, apenas os metadados contam.
5. Aproveitar o atalho dos arcabouços suportados. Se você emprega a biblioteca de treinamento Transformers publicada pela Hugging Face, a linha report_to="wandb" em TrainingArguments constitui toda a integração. Se emprega PyTorch Lightning, crie um WandbLogger e passe-o ao Trainer. Na maioria das pilhas não é preciso escrever o registro à mão.
6. Migrar para Sweeps quando execuções isoladas cansarem. Defina o espaço de busca e deixe os agentes trabalharem. Escolha suas próprias distribuições e ative a parada antecipada para que o orçamento de GPU vá para a região promissora.
7. Acrescentar Weave a todo código que contenha uma chamada a modelo. weave.init("seu-projeto") e depois @weave.op nas funções que lhe interessam. A abordagem por decorador significa que você anota código existente em vez de reestruturá-lo.
8. Configurar Reports e Automations para as pessoas. Um Report é o lugar onde um resultado de treinamento se torna algo que um colega lê. As Automations e os avisos por Slack ou e-mail, disponíveis a partir do Pro, dispensam a vigilância contínua do painel.
9. Decidir a forma de implantação antes de crescer, não depois. Multi-inquilino, dedicada ou gerenciada pelo cliente; e se a residência de dados for uma exigência, leia com atenção a seção do balde próprio, porque sua cobertura não é uniforme entre linhas de produto.
Engenheiras e engenheiros de aprendizado de máquina e pessoal de pesquisa formam o público principal, e por isso cada ponto de entrada é uma importação de Python. Se o seu trabalho se materializa num script de treinamento, isto é a instrumentação desse script.
Quem desenvolve aplicações de IA generativa chega pelo Weave e não pelo rastreio de experimentos. Pode nunca registrar uma única execução de treinamento e ainda assim extrair valor pleno do rastreamento e da avaliação.
Equipes de plataforma e infraestrutura de ML interessam-se pela matriz de implantação, pelo alcance do balde próprio, pelo login único, pelo provisionamento por SCIM, pelos papéis personalizados e pelos registros de auditoria: as partes que tornam o produto defensável diante de uma revisão de segurança.
Pesquisadoras e pesquisadores acadêmicos obtêm licença Pro gratuita cujas condições constam adiante, sujeita à cláusula sobre uso de dados da seção de limitações.
Quem atua sozinho e quem está aprendendo pode permanecer indefinidamente no nível gratuito ou levantar um servidor local com wandb server start, lembrando que o nível Personal local traz uma restrição de licença relevante.
Para quem não é: para quem procura uma ferramenta de IA sem código. Não existe percurso significativo por este produto que dispense escrever Python. Equipes que exijam residência de dados especificamente para os rastros generativos também devem ler a ressalva do balde próprio antes de se comprometer.
O W&B funciona onde quer que funcione o seu código de treinamento: é uma biblioteca acompanhada de um serviço, e não um aplicativo com requisitos de sistema. O que varia é onde reside o serviço em si.
A página de preços coloca lado a lado o SaaS multi-inquilino, a implantação dedicada e a gerenciada pelo cliente. O nível corporativo acrescenta uma opção de inquilino único com escolha de região.
O limiar é deliberadamente baixo: são necessários Docker e Python, e o servidor roda em sistemas Linux, macOS ou Windows que atendam a esses requisitos. A partida cabe em dois comandos: pip install wandb e depois wandb server start.
A troca de responsabilidades é expressa pelo fornecedor sem rodeios: a auto-hospedagem confere controle total sobre seus dados e sua privacidade, mas a gestão do armazenamento e das cópias de segurança fica por sua conta. Essa é a versão honesta do acordo e vale repeti-la a quem presume que auto-hospedar seja estritamente mais seguro.
Esse mecanismo permite guardar artefatos e outros dados sensíveis em infraestrutura própria, na nuvem ou local. Na nuvem dedicada e na multi-inquilino, o W&B não copia para a infraestrutura que gerencia os dados que você armazena no seu balde. Vários back-ends são suportados. Entre eles estão o serviço de objetos da controladora, a oferta S3 da Amazon, o armazenamento em nuvem do Google e o armazenamento de objetos do Azure. Além das nuvens públicas, serve também um armazenamento compatível com S3 hospedado no seu próprio ambiente, sendo a versão corporativa do MinIO um exemplo. A comunicação entre o SDK, a linha de comando, a interface e seus baldes ocorre por endereços pré-assinados.
Duas ressalvas determinam se isso satisfaz uma exigência real de conformidade, e ambas vêm da documentação técnica e não das páginas comerciais.
A primeira diz respeito ao alcance conforme a implantação. A nuvem multi-inquilino suporta o balde próprio somente no nível de equipe; o nível de instância não se aplica ali. A nuvem dedicada e a implantação autogerenciada suportam os dois níveis.
A segunda pesa mais: o conector de armazenamento seguro da plataforma W&B não está disponível para o Weave. Se a sua exigência de residência abrange os rastros das aplicações de IA generativa, isto é, as entradas e saídas das chamadas a modelos em produção, esse mecanismo não a resolve por ora. É a limitação mais importante para equipes reguladas que avaliam a vertente generativa da plataforma, e é fácil deixá-la passar porque a tabela de preços só a registra numa nota curta.
Mesmo ativado, os dados seguem repartidos. O banco de dados central mantém os metadados de pessoas usuárias, equipes, artefatos, experimentos e projetos, além dos Reports, dos registros de experimentos, das métricas de sistema e dos registros de console. Seu balde abriga os arquivos e métricas de experimentos, os arquivos de artefatos, os arquivos de mídia, os arquivos de execução e as métricas históricas exportadas em formato Parquet. Usar o balde próprio não significa que nada saia do seu perímetro.
Existe um aplicativo para iOS destinado a monitorar experimentos e treinamentos. A localização do site é parcial: a enumeração de links revela subsites apenas em japonês, coreano e alemão. Não há versão em chinês, francês, russo, espanhol nem português, de modo que equipes não anglófonas fora desses três idiomas devem contar com trabalhar sobre documentação em inglês.
Coexistem dois caminhos distintos, a hospedagem em nuvem e a hospedagem privada, e cada um possui seu próprio nível gratuito com condições diferentes. Confundi-los é fácil e tem consequências.
Gratuito, 0 dólar por mês. Concebido para o desenvolvimento pessoal de aplicações e modelos de IA. Inclui a avaliação de aplicações, o rastreamento, os avaliadores, o rastreio de experimentos com modelos, o registro de ativos com acompanhamento de linhagem e o suporte comunitário. Tetos: até 5 assentos de modelo, 5 GB de armazenamento por mês e 1 GB de ingestão do Weave por mês.
Pro, a partir de 60 dólares por mês com cobrança mensal e 30 dias de teste gratuito. Acrescenta equipes ilimitadas para colaboração, controles de acesso por equipe, contas de serviço, suporte prioritário por e-mail e chat, automações de CI/CD e avisos por Slack e e-mail. Tetos: até 10 assentos de modelo, 100 GB de armazenamento mensal com 0,03 dólar por GB adicional e 1,5 GB de ingestão do Weave mensal com 0,10 dólar por MB adicional.
Enterprise, planos sob medida. Acrescenta uma opção de inquilino único com escolha de região, uma opção em conformidade com a HIPAA, conectividade privada segura, chaves de criptografia gerenciadas pelo cliente, login único, provisionamento automatizado de pessoas usuárias, papéis personalizados, registros de auditoria e um pacote de suporte corporativo.
Ao Pro aplica-se uma ressalva importante, de natureza contratual e não técnica: o Pro destina-se a equipes em fase inicial e organizações com menos de cinquenta pessoas empregadas, e clientes que excedam essa orientação serão instados a migrar para o Enterprise, já que o Pro foi projetado com limites de taxa e restrições de desempenho que talvez não sustentem uso mais intenso. Uma empresa de sessenta pessoas não pode simplesmente continuar comprando assentos Pro.
Personal, 0 dólar por mês. Um assento de usuário, rastreio de experimentos, registro e acompanhamento de linhagem, com execução local em qualquer máquina que disponha de Docker e Python. A restrição é inequívoca e repetida duas vezes na página: apenas para projetos pessoais, o uso corporativo não é permitido.
Advanced Enterprise, plano sob medida, com licença de teste corporativa gratuita, acrescentando opções flexíveis de implantação, conformidade com a HIPAA, conectividade privada segura, chaves gerenciadas pelo cliente, login único, provisionamento automatizado, papéis personalizados, registros de auditoria e um pacote de suporte corporativo.
Gratuito em caráter perpétuo para a pesquisa acadêmica: projetos e equipes ilimitados e 200 GB de armazenamento em nuvem sem custo. A elegibilidade é definida como licença Pro gratuita para instituições acadêmicas que conduzam pesquisa sem vínculo com entidade com fins lucrativos; destina-se a estudantes, docentes e pesquisadores de pós-doutorado, e exige endereço de e-mail institucional ativo. A licença inclui todos os recursos do Pro, horas ilimitadas de rastreio, 200 GB de armazenamento em nuvem, até 25 GB de ingestão do Weave por mês e até cem assentos, com armazenamento adicional a 0,03 dólar por GB ao mês.
O Pro é cobrado antecipadamente de forma mensal ou anual. Os assentos de modelo são rateados quando adicionados no meio do período, embora não haja créditos por assentos removidos. A ingestão do Weave, a inferência e o armazenamento são cobrados mensalmente em atraso conforme o consumo. Os planos Enterprise são faturados anualmente de forma antecipada.
O armazenamento é calculado como média ponderada de trinta dias segundo a aritmética em GB-dia exposta acima e abrange tanto os artefatos quanto os dados registrados nas execuções. Artefatos por referência e dados em baldes externos não contam. A inferência é cobrada por modelo, com créditos gratuitos oferecidos por tempo limitado e um crédito mensal de 5 dólares incluído no Pro, também temporário. Os CoreWeave Sandboxes estão em prévia pública com créditos mensais de 10 e 25 dólares nos níveis gratuito e Pro respectivamente, igualmente limitados no tempo. Trate essas quatro linhas de crédito como promocionais e verifique as condições vigentes antes de orçar.
O nível gratuito recebe suporte comunitário. O Pro recebe suporte prioritário por e-mail e chat com primeira resposta de 4 a 24 horas conforme a gravidade. O Enterprise recebe de 1 a 4 horas conforme a gravidade e o pacote contratado. O horário comercial é definido das 2 às 17 horas, no fuso do Pacífico, de segunda a sexta. Um canal próprio de Slack ou MS Teams e uma pessoa dedicada de engenharia de soluções de IA só entram no suporte Premium.
Escolher uma ferramenta de rastreio de experimentos é sobretudo decidir o que se está disposto a adotar junto com ela.
O MLflow é o padrão de código aberto e a comparação mais frequente. Se a exigência é que o servidor de rastreio pertença inteiramente a você e não exista relação com fornecedor, o MLflow a atende. O contra-argumento do W&B está na camada colaborativa hospedada, na implementação dos Sweeps e na vertente de rastreamento generativo, que o MLflow não oferece de fábrica.
Neptune.ai e Comet ocupam posições vizinhas entre as ferramentas comerciais. A escolha entre elas costuma depender do preço conforme o tamanho da equipe e de necessidades específicas de visualização, e não de lacunas de capacidade.
O TensorBoard continua sendo a opção local sem atrito. Para uma pessoa numa máquina é a resposta certa, e deixa de ser no instante em que uma segunda pessoa precisa ver os resultados.
As plataformas nativas de nuvem como Vertex AI, SageMaker ou Azure ML embutem o rastreio onde o treinamento já roda. O preço é a portabilidade, exatamente o que a CoreWeave se comprometeu publicamente a não retirar dos clientes do W&B.
LangSmith, Langfuse e Arize Phoenix concorrem especificamente com o Weave e não com o W&B como um todo. Equipes que só constroem aplicações de modelos de linguagem e nunca treinam modelos deveriam avaliar esse campo mais estreito à parte.
Uma observação estrutural sobre a comparação: como o cliente do W&B está sob licença MIT e o Weave sob Apache-2.0, o código de instrumentação que você escreve não constitui um beco sem saída, ainda que o serviço hospedado permaneça proprietário. Isso reduz, sem eliminar, o custo de mudar de ideia mais adiante.
Esta seção é mais longa que as demais porque as restrições aqui reunidas estão documentadas e não são conjeturas, e porque várias delas residem no contrato-quadro e não na página de preços.
Os dados de clientes gratuitos e acadêmicos podem ser usados para testes e desenvolvimento. O contrato-quadro estabelece que o W&B pode utilizar os dados de clientes gratuitos e acadêmicos para fins de teste e desenvolvimento. É a frase mais importante desta página para quem cogita o nível gratuito para pesquisa não publicada ou trabalho comercialmente sensível, e ela não aparece em lugar algum da página de preços. Os níveis pagos não são alcançados por essa cláusula. Leia-a antes de depositar ali os experimentos não publicados de um laboratório.
O nível Personal da hospedagem privada proíbe o uso corporativo. Apenas projetos pessoais. Quem levanta um servidor local num notebook de trabalho para um projeto de trabalho fica fora dessa licença.
Os planos gratuitos não trazem compromisso de continuidade. O W&B reserva-se o direito de modificar, descontinuar, suspender ou encerrar qualquer plano de assinatura gratuito a qualquer momento, a seu exclusivo critério e sem aviso prévio.
O balde próprio não cobre o Weave. Repete-se aqui porque é a limitação com maior probabilidade de descarrilar uma revisão de conformidade tardia. Os rastros de IA generativa não podem, no momento, ser mantidos no seu próprio balde.
Os recursos de IA e suas saídas não contam com garantia em propriedade intelectual. O acordo é explícito: o W&B não declara nem garante que tais recursos ou saídas estejam livres de propriedade intelectual de terceiros, e não é obrigado a indenizar o cliente diante de reivindicações de violação relacionadas a eles. Tudo é fornecido no estado em que se encontra. Além disso, o cliente reconhece que, pela natureza do aprendizado de máquina, as saídas podem ser imprecisas ou idênticas entre várias pessoas usuárias, e deve avaliar toda saída antes de confiar nela.
Os recursos em versão beta não trazem garantia, indenização, acordo de nível de serviço nem suporte, e podem ser descontinuados a qualquer momento sem responsabilidade. Como os Sandboxes estão em prévia pública, essa cláusula opera de forma real e não hipotética.
As execuções são, na prática, apenas acrescentáveis. As evidências da comunidade são consistentes e antigas: renomear grupos de execuções concluídas (aberto desde 2020, 66 reações), fundir execuções antigas com uma nova (2022, 51), copiar entre projetos (2023, 37) e reutilizar um nome excluído (2020, 26) seguem todos como pedidos abertos. Estruture seus projetos levando isso em conta.
A autenticação em cadernos pode ser frágil. O chamado relativo ao login no Colab está aberto desde 2021 e soma 38 comentários.
Nomes e logotipos de clientes podem ser usados em marketing. O acordo prevê que o cliente consente com o uso deles pelo W&B em materiais de marketing, anúncios públicos e comunicações a investidores.
A exportação de dados cabe a você, e o momento importa. O cliente é o único responsável por exportar os dados antes do vencimento ou da rescisão, após o que o W&B os exclui conforme suas políticas. As obrigações de pagamento são irrevogáveis e as taxas não reembolsáveis, salvo disposição expressa.
A isenção de garantias é ampla. Fora da cláusula específica de garantia, os ativos são fornecidos no estado em que se encontram, ficando expressamente excluídas as garantias de desempenho, comerciabilidade, adequação a finalidade específica e não violação, sem garantia de ausência de erros nem de funcionamento ininterrupto.
A lei aplicável é a do estado de Nova York, com foro exclusivo no condado de Nova York e renúncia ao julgamento por júri. Clientes fora dos Estados Unidos deveriam incorporar o custo de resolução de disputas à análise de compra.
Não destinado a menores de treze anos.
Não existe avaliação de terceiros verificável. É uma limitação das evidências disponíveis e não do produto, e é declarada abertamente. O perfil de wandb.ai no Trustpilot não está reivindicado, exibe 0,0 e conta com zero avaliações; a página informa literalmente que a empresa ainda não recebeu nenhuma avaliação. As demais tentativas de verificação falharam no momento da coleta. Foi tentado o site de avaliações de software G2 e a plataforma de avaliações Gartner Peer Insights. Também foram tentados o diretório SourceForge e o site de tecnologia Slashdot. Como essas quatro fontes ficaram bloqueadas, nenhuma avaliação vinda delas é citada nesta página. Para uma infraestrutura de desenvolvimento cujos usuários se manifestam por chamados no GitHub e não por portais de avaliação, esse vazio não surpreende, mas significa que as evidências de terceiros aqui repousam na cobertura da imprensa e em dados verificáveis de repositório, e não em notas. Advertência correlata: esse perfil não reivindicado situa a sede da empresa em Anguila, o que contradiz o endereço de São Francisco constante do contrato e não deve ser tomado como válido.
O tratamento de dados concentra-se nos Estados Unidos. A tabela de suboperadores indica Estados Unidos ou escolha do cliente para AWS, Azure, GCP e Clickhouse, ao passo que a CoreWeave, ali consignada como sociedade afiliada para a administração da infraestrutura em nuvem, junto de Datadog e Hex, figura com Estados Unidos. A controladora aparece assim na cadeia de tratamento numa posição que a escolha de região pelo cliente não altera.
O programa de recompensas por falhas tem alcance estreito. Somente achados em qa.wandb.ai e api.qa.wandb.ai são elegíveis, ficando excluídos todos os demais subdomínios. As recompensas vão de 50 a 100 dólares em gravidade baixa até 750 a 1.000 dólares em casos críticos como injeção de SQL, execução remota de código, elevação de privilégios ou requisição forjada a um serviço interno. Quem pesquisa deve assinar um acordo de confidencialidade e não pode discutir publicamente os achados sem autorização escrita, o que limita o sinal público de segurança disponível à clientela potencial.
Num produto cuja compra é decidida com frequência por equipes de segurança e não de engenharia, a lista de certificações merece transcrição exata. A plataforma detém três certificações de normas internacionais. A primeira trata dos sistemas de gestão da segurança da informação em sua edição de 2022. A segunda cobre os controles de segurança próprios dos serviços em nuvem. A terceira refere-se à proteção de informações pessoais identificáveis na nuvem. Para além das certificações, a plataforma atende ao arcabouço de auditoria SOC 2 tipo 2 e aos requisitos da lei norte-americana sobre portabilidade e responsabilidade do seguro de saúde. O fornecedor indica ainda que ajuda a clientela a cumprir o arcabouço federal norte-americano de controles de segurança para sistemas de informação, e declara-se alinhado aos requisitos do regulamento geral europeu de proteção de dados no tratamento de informações pessoais.
A criptografia emprega TLS 1.2 ou superior em trânsito e AES 256 em repouso. A autenticação suporta login único por OIDC, LDAP ou SAML, com controle de acesso baseado em papéis para a granularidade necessária. Os testes de segurança combinam análises periódicas de vulnerabilidades com testes de intrusão, e o programa de conformidade abrange tanto revisões internas quanto avaliações independentes de terceiros.
A disponibilidade de recursos varia por nível e convém confrontá-la com os próprios requisitos. O arcabouço SOC 2 tipo II e a retenção configurável pelo tempo de vida dos artefatos constam de todos os níveis, ao passo que as listas de endereços permitidos, a conectividade privada segura de entrada e saída e as chaves de criptografia gerenciadas pelo cliente para AWS e GCP são marcadas como disponíveis apenas com hospedagem privada. A conformidade com a HIPAA é marcada como possível por meio do balde próprio. Papéis personalizados e uso de balde próprio são marcados como indisponíveis com o Weave.
O conjunto documental jurídico é publicado num ponto de entrada único e inclui os termos de uso do site, o contrato-quadro de serviços, os termos relativos à IA, um acordo de nível de serviço, uma política de suporte, um aditivo de tratamento de dados, a política de privacidade e uma declaração sobre escravidão moderna. A existência de um aditivo de tratamento e de um acordo de nível de serviço como documentos públicos independentes constitui, por si só, um sinal de maturidade relevante para a compra.
À CoreWeave. A aquisição foi concluída em 5 de maio de 2025, anunciada pela CoreWeave, Inc. (Nasdaq: CRWV) e confirmada na página institucional da própria W&B. A entidade contratante não mudou: os acordos continuam sendo firmados com a Weights and Biases, LLC, sociedade de Delaware sediada em São Francisco. O cofundador Lukas Biewald ostenta agora o título de gerente-geral e cofundador.
Não, e a CoreWeave declarou isso publicamente em seu comunicado de conclusão: a companhia mantém o empenho na interoperabilidade da plataforma para que a clientela possa escolher qualquer modalidade de implantação, qualquer provedor de infraestrutura e qualquer modelo fundacional, arcabouço ou protocolo. Trate como compromisso público e não como cláusula, e tenha presente o contrapeso prático: a CoreWeave figura agora na tabela de suboperadores como sociedade afiliada encarregada de administrar a infraestrutura em nuvem.
O nível gratuito em nuvem custa 0 dólar por mês e inclui a avaliação de aplicações, o rastreamento, os avaliadores, o rastreio de experimentos, o registro com linhagem e o suporte comunitário. Os tetos são cinco assentos de modelo, 5 GB de armazenamento mensal e 1 GB de ingestão do Weave mensal. Ele termina na colaboração: equipes ilimitadas, controles de acesso por equipe, contas de serviço, automações de CI/CD e avisos exigem todos o Pro. A limitação mais relevante, porém, não é uma cota e sim uma cláusula contratual: o W&B pode utilizar os dados de clientes gratuitos e acadêmicos para fins de teste e desenvolvimento.
Sim, e as condições são concretas. Trata-se de licença Pro gratuita para instituições acadêmicas que conduzam pesquisa sem vínculo com entidade com fins lucrativos, destinada a estudantes, docentes e pesquisadores de pós-doutorado, com exigência de endereço de e-mail institucional ativo. Inclui todos os recursos do Pro, horas ilimitadas de rastreio, 200 GB de armazenamento em nuvem, até 25 GB de ingestão do Weave por mês e até cem assentos. O armazenamento adicional custa 0,03 dólar por GB ao mês. A cláusula sobre uso de dados para testes e desenvolvimento aplicável às contas gratuitas vale igualmente aqui.
São linhas de produto separadas, com pontos de entrada e repositórios distintos. wandb cobre o treinamento de modelos, isto é, rastreio de experimentos, Sweeps, artefatos e registro, e seu cliente está sob licença MIT. weave cobre as aplicações de IA generativa, ou seja, rastreamento de chamadas a modelos, avaliação, monitoramento em produção, métricas de julgamento por modelo de linguagem e supressão de dados pessoais, sob Apache-2.0. Ambos compartilham conta e cobrança, mas o Weave dispõe de cota de ingestão medida separadamente do armazenamento.
Apenas em parte. São suportados o serviço de objetos da CoreWeave, a oferta S3 da Amazon, o armazenamento em nuvem do Google, o armazenamento de objetos do Azure e soluções compatíveis com S3 como a versão corporativa do MinIO. Contudo, o mecanismo não está disponível para o Weave, de modo que os rastros generativos não podem residir ali. E mesmo onde se aplica, o banco de dados central continua mantendo os metadados de pessoas usuárias, equipes, artefatos, experimentos e projetos, além dos Reports, dos registros de experimentos, das métricas de sistema e dos registros de console.
O armazenamento é uma média ponderada de trinta dias e não um pico. O exemplo publicado pelo fornecedor: 100 GB durante quinze dias, 200 GB durante um dia e 300 GB durante catorze dias somam 5.900 GB-dia, que divididos por trinta dão 196,6 GB, arredondados para 197 GB no mês. A alavanca principal são os artefatos por referência: dados guardados num balde externo não contam para a cota, apenas os metadados armazenados no W&B contam.
Sim. São necessários Docker e Python, e o servidor roda em Linux, macOS ou Windows. A partida se dá com pip install wandb e depois wandb server start. O que você assume é enunciado pelo fornecedor: obtém controle total sobre seus dados e sua privacidade, mas a gestão do armazenamento e das cópias de segurança fica do seu lado. Note também a separação de licenças: o nível Personal gratuito é só para projetos pessoais e proíbe o uso corporativo, de modo que uma auto-hospedagem empresarial exige o plano Advanced Enterprise.
Porque nenhuma pôde ser verificada em primeira mão. O perfil de wandb.ai no Trustpilot não está reivindicado, exibe 0,0 e conta com zero avaliações. As outras quatro fontes consultadas ficaram bloqueadas durante a pesquisa, de modo que nenhuma de suas notas é citada. Em vez de repetir um número não verificado, esta página se apoia no que é conferível: métricas de repositório, chamados abertos da comunidade, preços publicados e o texto contratual.
As bibliotecas cliente são; o serviço hospedado não. wandb/wandb está sob licença MIT com 11.239 estrelas, 886 bifurcações e 954 chamados abertos, e foi criado em março de 2017. wandb/weave está sob Apache-2.0 com 1.121 estrelas e 226 chamados abertos. Ambos receberam commits no dia desta pesquisa. Você pode ler e bifurcar o código de instrumentação, mas o serviço em nuvem que guarda e serve suas execuções permanece proprietário.
