#cost-optimization Repositorios
Descubre 44 repositorios activos de código abierto de GitHub etiquetados con #cost-optimization, que acumulan 175,127 estrellas en total (una media de 3,980 estrellas por proyecto). El líder de este tema es musistudio/claude-code-router, con 38,283 estrellas.
44 repositorios en total
Un plano de control local para cada agente de IA: enrutar entre modelos, fusionar nuevas capacidades, orquestar herramientas y mantener el control total.
Inteligencia de costes en la nube para ingenieros, agentes de codificación IA y CI/CD 💰📉 ¡Adopta el FinOps desde el desarrollo!
La plataforma de cómputo de IA para equipos de vanguardia. SkyPilot convierte el cómputo de IA fragmentado en una supercomputadora de IA, para que los equipos de vanguardia construyan inteligencia personalizada más rápido.
Control de costes de caja negra basado en la experiencia para agentes de programación
Karpenter es un autoscaler de nodos de Kubernetes diseñado para ofrecer flexibilidad, rendimiento y simplicidad.
El router de LLM nativo para agentes autónomos. Todos los modelos de frontera detrás de una sola wallet, enrutamiento local de <1 ms y pagos en USDC en Base y Solana mediante x402.
Una lista de ofertas SaaS, PaaS e IaaS que tienen niveles gratuitos de interés para devops e infradev
Un framework para servir y evaluar enrutadores LLM - ahorre costos de LLM sin comprometer la calidad
Inspector de entornos en la nube de código abierto. ¡Soporta AWS, GCP, Azure y más! ¡Tus recursos en la nube no tendrán dónde esconderse!
RAG que se adapta inteligentemente a su caso de uso, datos y consultas
Runtime en cascada para agentes de IA. Optimiza costo, latencia, calidad y decisiones de políticas dentro del bucle del agente.
Encuentra los tokens fantasma. Arréglalos. Sobrevive a la compactación. Evita la degradación de la calidad del contexto.
Sucker Punch es una biblioteca de procesamiento asíncrono de Ruby que utiliza concurrent-ruby, fuertemente influenciada por Sidekiq y girl_friday.
Karpenter es un autoscaler de nodos de Kubernetes diseñado para ofrecer flexibilidad, rendimiento y simplicidad.
Herramienta FinOps y de optimización de costos en la nube. Soporta AWS, Azure, GCP, Alibaba Cloud y Kubernetes.
Una guía de mejores prácticas para las operaciones del "Día 2", que incluyen excelencia operativa, seguridad, confiabilidad, eficiencia de rendimiento y optimización de costos.
Crane es una plataforma FinOps para el análisis y la economía de recursos en la nube en clústeres de Kubernetes. El objetivo no es solo ayudar a los usuarios a administrar los costos de la nube más fácilmente, sino también garantizar la calidad de las aplicaciones.
Vea las estimaciones de costos de Terraform directamente en su editor💰📉
Motor de políticas de código abierto que bloquea patrones de gasto perjudiciales de AWS antes de que se implementen y remedia lo que ya está consumiendo recursos.
Un sistema de programación basado en QoS proporciona una disposición y un estado óptimos para cargas de trabajo como microservicios, servicios web, trabajos de big data, trabajos de IA, etc.
Kepler te permite monitorizar el consumo energético de las cargas de trabajo de Kubernetes. Kepler es un proyecto Sandbox de la CNCF. Hagamos que cada vatio cuente. ⚡
Un panel de control de costos y recursos de AWS basado en terminal, creado con Python y la biblioteca Rich. Proporciona una descripción general del gasto de AWS por cuenta, desgloses a nivel de servicio, seguimiento de presupuestos y resúmenes de instancias EC2.
Asistente de ahorro MaiMai — una herramienta de optimización del coste de los pedidos basada en el MCP de McDonald’s. Calcula la forma más económica de pedir en el establecimiento seleccionado y te avisa proactivamente de las trampas de añadir productos para alcanzar el importe mínimo de una oferta.
Implementaciones de muestra para patrones de diseño en la nube encontrados en el Centro de Arquitectura de Azure.
Pasarela de IA local compatible con Anthropic, con enrutamiento que prioriza las opciones más económicas, controles de calidad, cambios seguros de modelo y un panel de costes integrado.
Enrutador automático de LLM — Ahorro de costos del 82%, precisión del 79.4%, tasa de aprobación del 93.4%. Proxy de OpenAI drop-in.
Compresión de contexto para agentes de programación con IA: comprime la salida de las herramientas antes de que entre en el modelo y deduplica las repeticiones convirtiéndolas en referencias de 13 tokens. Claude Code, Cursor, Codex, Kiro, Zed y cualquier cliente MCP. En Rust, sin llamadas al LLM.
Router de LLM y optimizador de costes de IA con código fuente disponible. Enruta automáticamente las indicaciones sencillas a modelos económicos o locales, y las complejas a modelos premium. Proxy compatible con OpenAI, listo para usar, para Claude Code, Codex, Cursor y OpenClaw. Autohospedado, sin intermediarios.
Herramienta para visualizar las métricas de Copilot proporcionadas a través de la API de métricas empresariales de Copilot
Un 91,5 % menos de tokens en la salida de herramientas según el benchmark propio de Headroom, donde Headroom reduce el consumo un 61,4 %. Por separado, las mismas tareas de SWE-bench se resuelven por un 0,71× del coste de Claude Code sin modificaciones. Además, ofrece memoria entre sesiones y gestión del ritmo de consumo de la cuota de suscripción. Compatible con Claude Code, Codex, Copilot, Gemini y 12 más. Local, con licencia MIT.
El Manual de Costos en la Nube es un conjunto de guías gratuito, de código abierto y respaldado por la comunidad, cuyo objetivo es ayudar a explicar en un lenguaje sencillo el precio a menudo complejo de la infraestructura y los proveedores de servicios de la nube pública.
Una herramienta para que los clientes evalúen sus configuraciones de servicios de AWS basándose en las mejores prácticas de AWS y de la comunidad, y reciban recomendaciones sobre posibles mejoras.
Código fuente adjunto: BigQuery: La Guía Definitiva de Lakshmanan & Tigani, que será publicada por O'Reilly Media
Plataforma de operaciones con agentes de código abierto para equipos de cloud, SRE, DevOps, soporte y FinOps. Los agentes de IA investigan incidentes, reducen el desperdicio de recursos en la nube y Kubernetes, y ejecutan runbooks sujetos a aprobación en Kubernetes, AWS, Azure, GCP y sus bases de datos. Alojamiento propio; use sus propios modelos.
¿Exceso de tokens? ¡Mejor llama a Smith! Better Call Smith. Enrutamiento adaptativo de modelos, un elegante monitor de uso de Codex y benchmarks reproducibles con pruebas.
Preguntas frecuentes
¿Cuál es el repositorio de #cost-optimization más popular en GitHub?
El proyecto de código abierto de #cost-optimization mejor posicionado en GitHub es musistudio/claude-code-router, con 38,283 estrellas. Un plano de control local para cada agente de IA: enrutar entre modelos, fusionar nuevas capacidades, orquestar herramientas y mantener el control total.
¿Qué lenguajes de programación se utilizan más en los repositorios de #cost-optimization?
Entre los proyectos de #cost-optimization mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Go, TypeScript, Shell.
¿Cómo se calcula la clasificación de los repositorios de #cost-optimization?
Seguimos 44 repositorios activos de código abierto etiquetados con #cost-optimization (500+ estrellas), que suman un total de 175,127 estrellas, con una media de 3,980 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.