CSGHub (OpenCSG)

سی‌اس‌جی‌هاب (OpenCSG)

CSGHub (OpenCSG)

محصول اوپن‌سی‌اس‌جی

★★★★★★★★★★۳٫۸
نسخهٔ Community رایگان و متن‌باز (Apache-2.0). نسخهٔ Enterprise (همگام‌سازی از Hugging Face، SSO، پشتیبانی) پولی است و ۳۰ روز آزمایش رایگان دارد.

نسخهٔ داخلی و متن‌باز Hugging Face برای سرور سازمان: مدل‌ها و دیتاست‌ها را با نسخه‌بندی و دسترسی تیمی نگه می‌دارد تا کارمندان و سرورهای GPU در قطعی اینترنت هم از داخل شبکه دانلود کنند.

معرفی: سی‌اس‌جی‌هاب (OpenCSG)

CSGHub محصول شرکت چینی OpenCSG (پکن، ۲۰۲۳) است و خودش را «نسخهٔ خصوصی و داخلی Hugging Face» معرفی می‌کند. روی سرور سازمان نصب می‌شود و مثل Hugging Face رابط وب دارد: مخزن مدل، دیتاست و کد، سازمان و تیم، مخزن خصوصی و عمومی، کارت مدل و پیش‌نمایش دیتاست. نسخه‌بندی با git و LFS است. نسخهٔ Community با مجوز Apache-2.0 رایگان است و خیلی فعال به‌روز می‌شود (نسخهٔ ۲٫۵ در سپتامبر ۲۰۲۶).

مهم‌ترین کارش برای زمان قطعی اینترنت این است که ابزارهای Hugging Face را به خودش وصل می‌کند: transformers، vLLM و دستور hf با تنظیم HF_ENDPOINT روی آدرس هاب داخلی، مدل را از داخل شبکه می‌گیرند. فقط چیزی را می‌دهد که از قبل در آن ذخیره کرده‌اید؛ پس باید پیش از قطعی پرش کنید.

محدودیت نسخهٔ رایگان: همگام‌سازی مستقیم از Hugging Face و ModelScope و ورود یکپارچه (SSO) در نسخهٔ پولی است. نسخهٔ رایگان فقط از هاب عمومی OpenCSG (بیش از ۲۰۰ هزار مدل که بیشترشان کپی Hugging Face‌اند) همگام می‌شود یا مدل را خودتان آپلود می‌کنید. اجرای مدل، فاین‌تیون و ارزیابی داخل خود هاب Kubernetes می‌خواهد؛ در نصب ساده Docker، مدل را با vLLM یا Ollama کنارش اجرا کنید و Open WebUI را برای کارمندان بگذارید.

نصب ساده یک کانتینر Docker است (پایگاه داده و MinIO داخلش است) و دست‌کم ۴ هسته، ۸ گیگابایت رم و ۲۰۰ گیگابایت SSD به‌علاوهٔ فضای مدل‌ها می‌خواهد. رابط انگلیسی و چینی است.

نکته دربارهٔ پیشنهادهای گروه‌ها: MinIO را جدا لازم ندارید چون داخل CSGHub هست، و نسخهٔ متن‌باز MinIO از ۲۰۲۶ دیگر نگهداری نمی‌شود. Flowise هم از اوت ۲۰۲۶ متوقف شده است.

بهترین کاربردها

  • •یه هاگینگ فیس داخلی روی سرور سازمان راه بندازم که موقع قطعی اینترنت کار کنه
  • •مدل‌ها و دیتاست‌های هوش مصنوعی رو داخل شبکهٔ شرکت نگه‌داری و نسخه‌بندی کنم
  • •سرورهای GPU شرکت مدل رو از مخزن داخلی دانلود کنن نه از اینترنت
  • •برای تیم‌های سازمان مخزن خصوصی مدل با سطح دسترسی بسازم
  • •قبل از قطعی اینترنت مدل‌های لازم رو روی سرور داخلی ذخیره کنم
  • •پیکره‌ها و دیتاست‌های متنی سازمان رو یه جا روی سرور خودمون مدیریت کنم

برای این کارها سراغش نروید

  • –چت با هوش مصنوعی (برای این کار Open WebUI یا Jan)
  • –اجرای مدل روی لپ‌تاپ شخصی
  • –همگام‌سازی مستقیم از Hugging Face در نسخهٔ رایگان

اجرا روی سیستم خودتان

این برنامه را روی سیستم خودتان نصب می‌کنید و هوش مصنوعی روی همان دستگاه اجرا می‌شود؛ متن و فایل‌هایتان از آن بیرون نمی‌رود.

  • بعد از نصب، بدون اینترنت
  • متن‌باز
  • Apache-2.0 — استفادهٔ تجاری آزاد
  • رابط وب
  • API
  • خط فرمان

بعد از نصب و پر کردن، داخل شبکه بدون اینترنت کار می‌کند و فقط همان مدل‌ها و دیتاست‌هایی را می‌دهد که از قبل در آن ذخیره شده‌اند. همگام‌سازی با هاب عمومی OpenCSG اینترنت می‌خواهد.

نسخهٔ Community با Apache-2.0 برای استفادهٔ تجاری آزاد است. بخش‌های Enterprise کد بسته و پولی‌اند و اسکریپت نصب یک‌کلیکی سایت OpenCSG نسخهٔ Enterprise (با ۳۰ روز آزمایش) را نصب می‌کند؛ برای نسخهٔ رایگان از فایل docker-compose پوشهٔ ce استفاده کنید.

سخت‌افزار لازم

  • حداقل رم: ۸ گیگابایت — پیشنهادی: ۱۶ گیگابایت
  • کارت گرافیک لازم نیست
  • نصب Docker تک‌سرور: ۴ هسته، ۸ گیگابایت رم و دست‌کم ۲۰۰ گیگابایت SSD، به‌علاوهٔ جای مدل‌ها (هر مدل ۸ میلیاردی BF16 حدود ۱۶ گیگابایت؛ برای ده‌ها مدل چند ترابایت). نسخهٔ کامل روی Kubernetes دست‌کم ۸ هسته، ۱۶ گیگابایت رم و ۱ ترابایت می‌خواهد. کارت گرافیک فقط برای اجرای مدل داخل هاب لازم است.

نصب و اجرا

  1. ۱

    روی سرور لینوکس Docker را نصب و میرور داخلی را تنظیم کنیدلینوکس

    echo '{ "registry-mirrors": ["https://docker.arvancloud.ir"] }' | sudo tee /etc/docker/daemon.json && sudo systemctl restart docker

    به‌جای آروان می‌توانید docker.iranserver.com یا میرور لیارا را بگذارید و چک‌سام را بررسی کنید.

  2. ۲

    فایل docker-compose نسخهٔ رایگان را بگیریدلینوکس

    mkdir csghub && cd csghub curl -fLO https://raw.githubusercontent.com/OpenCSGs/csghub-omnibus/main/example/ce/docker-compose.yml

    در فایل، مقدار external_url را به آدرس سرور در شبکهٔ داخلی تغییر دهید (مثلاً http://192.168.1.20). ایمیج omnibus-csghub:v2.5.0-ce از رجیستری OpenCSG (registry.opencsg.com) گرفته می‌شود.

  3. ۳

    هاب را راه بیندازیدلینوکس

    docker compose up -d && docker compose ps

    پورت‌های ۸۰ (رابط وب)، ۲۲۲۲ (git)، ۸۰۰۰ و ۹۰۰۰ و ۹۰۰۱ باز می‌شوند؛ فقط روی شبکهٔ داخلی.

  4. ۴

    رمز مدیر را بخوانید و وارد شویدلینوکس

    docker exec -it csghub-omnibus cat /etc/csghub/init_root_password

    با نام کاربری root وارد رابط وب شوید و رمز را فوراً عوض کنید.

  5. ۵

    مدل را آپلود کنید

    در رابط وب یک مخزن مدل بسازید و فایل‌هایی را که بیرون دانلود کرده‌اید با git و git-lfs به آدرسی که صفحهٔ مخزن نشان می‌دهد push کنید. برای پوشه‌های بزرگ دستور csghub-cli upload-large-folder از بستهٔ csghub-sdk هم هست.

  6. ۶

    سرورهای GPU را به هاب داخلی وصل کنیدلینوکس

    export HF_ENDPOINT=http://192.168.1.20/hf hf download my-team/Qwen3.5-9B

    از این به بعد transformers، vLLM و دستور hf مدل را از هاب داخلی می‌گیرند. نام مخزن همانی است که در CSGHub ساخته‌اید.

دانلود

نکات امنیتی

  • هاب را فقط روی شبکهٔ داخلی باز کنید و رمز root را بلافاصله بعد از نصب عوض کنید.
  • مدل‌های کپی‌شده از هاب عمومی را با هش sha256 فایل‌ها با نسخهٔ اصلی Hugging Face مقایسه کنید؛ شناسهٔ commit فرق می‌کند ولی هش فایل باید یکی باشد.
  • فایل‌های safetensors یا GGUF را به فایل‌های pickle (‎.bin یا ‎.pt) ترجیح دهید؛ فایل pickle هنگام بارگذاری می‌تواند کد اجرا کند.
  • از دیسک هاب نسخهٔ پشتیبان روی دیسک دوم نگه دارید تا خرابی یک دیسک در قطعی اینترنت همه‌چیز را نبرد.

برای شرکت‌ها و سازمان‌ها

برای واحد IT سازمانی که کتابخانهٔ مرکزی مدل و دیتاست با دسترسی تیمی می‌خواهد. معماری ساده: CSGHub برای نگهداری، vLLM یا Ollama روی سرور GPU برای اجرا، Open WebUI برای کارمندان. اگر فقط می‌خواهید سرورهای GPU هر مدل را یک بار از بیرون بگیرند و بعد از داخل، MatrixHub ساده‌تر است.

هم‌سطح ابری

آخرین بررسی: ۱۲ مهر ۱۴۰۵

تصاویر محیط ابزار

نقاط قوت

  • ✓متن‌باز (Apache-2.0) و رایگان؛ نسخهٔ Community مجوز نمی‌خواهد
  • ✓مدل، دیتاست و کد در مخزن‌های نسخه‌دار با سازمان، تیم و مخزن خصوصی
  • ✓سازگار با ابزارهای Hugging Face: transformers و vLLM با تنظیم HF_ENDPOINT از آن دانلود می‌کنند
  • ✓نصب با یک کانتینر Docker؛ پایگاه داده و MinIO داخلش است
  • ✓ایمیج‌ها روی رجیستری خود OpenCSG هم هست، نه فقط Docker Hub
  • ✓توسعهٔ فعال: نسخهٔ ۲٫۵ در سپتامبر ۲۰۲۶

نقاط ضعف

  • ✗سرور جدا با دست‌کم ۴ هسته، ۸ گیگابایت رم و ۲۰۰ گیگابایت SSD به‌علاوهٔ فضای مدل‌ها لازم است (هر مدل ۸ میلیاردی حدود ۱۶ گیگ) و راه‌اندازی کار واحد IT است
  • ✗نسخهٔ رایگان مستقیم از Hugging Face یا ModelScope همگام نمی‌شود؛ فقط از هاب عمومی OpenCSG یا با آپلود دستی
  • ✗اجرای مدل، فاین‌تیون و ارزیابی داخل خود هاب Kubernetes می‌خواهد
  • ✗رابط فقط انگلیسی و چینی است
  • ✗راهنمای رسمی نصب کاملاً آفلاین هنوز منتشر نشده و SSO در نسخهٔ پولی است

پرسش‌های پرتکرار

CSGHub دقیقاً چه کاری می‌کند؟

یک Hugging Face داخلی روی سرور خودتان است: مدل‌ها، دیتاست‌ها و کدها را با نسخه‌بندی و دسترسی تیمی نگه می‌دارد و سرورهای GPU و برنامه‌نویس‌ها با همان ابزارهای Hugging Face از آن دانلود می‌کنند. خودش به‌تنهایی چت یا اجرای مدل نمی‌دهد؛ برای آن vLLM یا Ollama و Open WebUI را کنارش بگذارید.

در قطعی اینترنت به چه دردی می‌خورد؟

هر مدل و دیتاستی که پیش از قطعی در آن گذاشته‌اید، داخل شبکه در دسترس می‌ماند. مدل تازه را در قطعی نمی‌تواند از بیرون بگیرد؛ پس فهرست مدل‌های لازم را از قبل پر کنید و از دیسک هاب نسخهٔ پشتیبان داشته باشید.

مدل‌ها را از Hugging Face چطور واردش کنم؟

نسخهٔ رایگان فقط از هاب عمومی OpenCSG همگام می‌شود که کپی بیشتر مدل‌های معروف را دارد. مدل دیگر را روی سیستمی که دسترسی دارد دانلود کنید و با git و LFS یا دستور csghub-cli در یک مخزن CSGHub آپلود کنید. همگام‌سازی مستقیم از Hugging Face در نسخهٔ پولی است. فایل‌ها را با هش sha256 با نسخهٔ اصلی مقایسه کنید.

MinIO و Flowise هم که در گروه‌ها گفته می‌شود لازم است؟

MinIO نه؛ CSGHub نسخهٔ خودش را داخل دارد و مخزن متن‌باز MinIO از ۲۰۲۶ دیگر نگهداری نمی‌شود. Flowise هم اوت ۲۰۲۶ متوقف شد و چند حفرهٔ امنیتی بحرانی بدون وصله دارد؛ برای چت و جست‌وجو در اسناد Open WebUI یا AnythingLLM، و برای ساختن عامل و جریان‌کار Dify را بگذارید.

فرقش با MatrixHub چیست؟

CSGHub کتابخانهٔ کامل با رابط، دیتاست و مخزن تیمی است. MatrixHub یک کش خودکار است: هر مدل را بار اول از Hugging Face می‌گیرد و بعد به همهٔ سرورهای GPU از داخل می‌دهد، ولی هنوز دیتاست و ورود یکپارچه ندارد. بیشتر سازمان‌ها یکی از این دو را لازم دارند، نه هر دو.

امتیاز و نظر شما

بدون نیاز به ثبت‌نام؛ نظر متنی پس از بررسی منتشر می‌شود.

نظرات کاربران

هنوز نظری ثبت نشده — اولین نفر باشید!

ابزارهای مشابه

مشاهده همه