用 SQL 和 Python 原生处理文件、图像、音频与视频，连接湖格式、向量数据库和分析系统，并从本机扩展到 Ray 集群。
import vane con = vane.connect() images = con.sql(""" SELECT image_file( 'quickstart-images/large.png' ) AS source """) images.select(""" source, image_file_metadata(source).width AS width, resize( decode_image_file(source, 'RGB'), 224, 224 ) AS image """).show()
从多模态模型训练到企业数据流水线，真实 AI 工作负载运行在多样化数据之上。选择与你的工作负载匹配的流水线。
针对音频、视频、文档和图像工作负载，评测多模态 AI 流水线的推理性能。
36 CPU cores · 64 GB RAM2080 Ti (显存改装版) · 22 GB GPU memory
本次单机测试参考了 Ray Data 多模态 AI benchmark的 workload 设计。Daft 在图像和音频 workload 中出现 OOM，可能与测试机器的可用内存有限有关；较早一代的 2080 Ti GPU 也限制了整体吞吐。受当前硬件与算力预算限制，我们尚未复现原 benchmark 的完整集群规模；这些结果仅代表所记录单机环境下的实测表现。
统一数据、模型与 Agent，支持持续学习，并将可扩展执行能力从本地设备延伸到 Ray 集群。