Serverless KI-Rechenleistung von Chutes, optimiert für jede Skalierung.
Chutes betreibt Open-Source-Modelle auf einem dezentralen GPU-Netzwerk und gibt Teams eine einzige API, um sie in der Produktion zu deployen, zu skalieren und bereitzustellen – vom ersten Prototyp bis zu Billionen Tokens pro Monat.
Frische Open-Source-LLMs, ab Tag eins live.
Unsere Ingenieure verfolgen jedes wichtige Release und bringen neue Open-Weight-Modelle innerhalb von Minuten online. Wenn ein Labor etwas Großes veröffentlicht, ist Chutes meist der erste Ort, an dem man es aufrufen kann, sodass Sie schon heute auf dem aufbauen können, was als Nächstes kommt.
LLMs durchsuchenSchnellaufruf
Python
import os
import requests
resp = requests.post(
f"{os.environ['API_BASE']}/v1/chat/completions",
headers={"Authorization": f"Bearer {os.environ['API_KEY']}"},
json={
"model": "moonshotai/Kimi-K2.6-TEE",
"messages": [{"role": "user", "content": "Draft a release checklist."}],
"stream": True,
},
stream=True,
)
for line in resp.iter_lines():
if line.startswith(b"data: "):
print(line.decode()[6:])
Ein Chute für jede Modalität
Sprachmodelle sind nur der Anfang. Chutes hostet außerdem Bild-, Video-, Sprach- und Musikmodelle, deckt jede Open-Source-Modalität ab und hält sie warm und skalierungsbereit.

Sam3
sam3
Objekte in jedem Bild lokalisieren und segmentieren

Z image turbo
z-image-turbo
Schnelle Text-zu-Bild-Renderings in wenigen Schritten

Qwen Image Edit 2511
Qwen-Image-Edit-2511
Bilder mit Prompts in einfacher Sprache ändern

Imageclassic
imageclassic
FLUX.1-schnell und drei SDXL-Checkpoints, verpackt in einen unserer Chutes
Entwickelt für Hyperscale KI-Produkte
Schnelle Inferenz für führende Open-Source-Modelle, dazu kurzlebige Jobs, Batch-Pipelines und vieles mehr. Bringen Sie Ihren Code zu Chutes und die Plattform kümmert sich um alles Weitere.
In wenigen Minuten startklar
Für KI-Builder gemacht
Flexibel konzipiert, schnell in der Praxis
Offene, dezentrale Infrastruktur
Plattformfunktionen
Modellinferenz
Immer warme Modelle, die auch unter Last stabil bleiben.
Sichere TEE-Compute-Umgebung
Private, isolierte Hardware für sensible Workloads.
Consumer-Apps
Chutes Chat für Alltagsnutzer und fictio für Charakter-Rollenspiel, beide laufen in diesem Netzwerk.
Zwei Wege, auf Chutes zu bauen
Beginnen Sie in Minuten mit einem gehosteten Modell oder paketieren Sie Ihr eigenes und lassen Sie das Netzwerk die Skalierung übernehmen.
Gehostete Modelle
Nutzen Sie gehostete Chutes über einen einzigen Endpoint im OpenAI-Stil
- Chat-, Completion- und Embedding-Routen
- Integrierte Streaming-Antworten
- Ein Katalog, der stetig wächst
Eigenes mitbringen
Jedes offene Modell oder Skript einbinden und bereitstellen
- Python-Code oder einen Container bereitstellen
- Warm halten oder bei Inaktivität herunterskalieren
- Optionale TEE-Isolation
Nicht sicher, welche Route zu Ihrer Workload passt? Unser Team hilft Ihnen bei der Auswahl.
Team fragenFührende Modelle, online und bereit zu wachsen.
Bringen Sie Ihren eigenen Code mit oder wählen Sie ein gehostetes Modell. Bei Chutes überspringen Sie Kaltstarts und Kapazitätsbedenken, und jedes aufgeführte Modell bleibt erreichbar.

Hy4
tencent/Hy4
Text- und Vision-Modell hinter einer API im OpenAI-Stil

Qwen3.8 27B TEE pareton
Qwen/Qwen3.8-27B-TEE-pareton
Beschreibung folgt in Kürze.

GLM 5.2 Fast
zai-org/GLM-5.2-Fast
Latenzarmes Sprachmodell, Routen im OpenAI-Stil

Qwen3.8 2.4T A95B
Qwen/Qwen3.8-2.4T-A95B
Großes Mixture-of-Experts-Modell für Text und Vision

DeepSeek V4.1 Flash 1017
deepseek-ai/DeepSeek-V4.1-Flash-1017
Schnelles Reasoning-Modell mit Routen im OpenAI-Stil

GLM 5.3
zai-org/GLM-5.3
Allzweckmodell für Chat, Code und Agenten

Kimi K2.7 Code
moonshotai/Kimi-K2.7-Code
Coding-fokussiertes Modell für lange Agent-Sitzungen

Biomni R0 32B Preview FP8 Dynamic
nordforge/Biomni-R0-32B-Preview-FP8-Dynamic
Beschreibung folgt in Kürze.

DeepSeek V4 Pro 0813
deepseek-ai/DeepSeek-V4-Pro-0813
Flaggschiff-Reasoning-Modell für anspruchsvolle Aufgaben

Qwen3.8 Max 0902
Qwen/Qwen3.8-Max-0902
Qwen-Release der Spitzenklasse für Text und Bilder