Kubernetes operator for self-hosted LLM inference across a heterogeneous GPU fleet: NVIDIA CUDA, AMD Vulkan, and Apple Silicon Metal. Runtimes: llama.cpp, vLLM, TGI, mlx-server. Multi-GPU sharding, model caching, OpenAI-compatible endpoints. Apache-2.0, run across homelab and on-prem fleets, actively developed.

¿Es defilantech/LLMKube apto para principiantes?

En los últimos 30 días, defilantech/LLMKube fusionó 23 de 24 pull requests de colaboradores externos, y sus mantenedores suelen responder en 1 día. Ahora mismo hay 3 issues aptos para principiantes abiertos.

Estrellas
232
Forks
37
Issues abiertos para principiantes
3
Issues indexados
271
Merge medio
21 h 42 min
PR fusionados (30 d)
244
Lenguaje dominante
Go
Licencia
Apache-2.0
Último push a GitHub
13/10/2026
Última indexación
13/10/2026
Guía de contribución
Guía de contribución
Código de conducta
Código de conducta
Etiquetas para principiantes
good first issue help wanted

Cómo contribuir a defilantech/LLMKube

  1. Lee primero la guía de contribución: explica cómo quieren los mantenedores que se propongan, prueben y revisen los cambios.
  2. El proyecto incluye un dev container: ábrelo en Codespaces para tener un entorno que funciona en tu navegador.
  3. Lee su código de conducta: se aplica a los issues y pull requests igual que al chat.
  4. Elige uno de los 3 issues abiertos aptos para principiantes de abajo y comenta que quieres trabajar en él antes de empezar.

Las issues en las que quizá ya trabaja alguien aparecen al final. Ordenar todo por fecha

Mostrando los 100 más recientes

Esta página solo lista lo indexado más recientemente. El filtro avanzado tiene el inventario completo, acotado por lenguaje, dificultad y duración.

Abrir el filtro avanzado

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.