NVIDIA Run:ai: Lizenz, Preis und Anforderungen an Kubernetes, GPUs und Betriebsform

Wie NVIDIA Run:ai im November 2026 lizenziert wird

NVIDIA Run:ai ist eine Plattform zur GPU-Orchestrierung auf Kubernetes: Sie plant KI-Workloads ein, teilt GPUs in Bruchteilen zu und verwaltet Kontingente für Abteilungen und Projekte. NVIDIAs Produktseite vom 13. Oktober 2026 beschreibt sie als Open Source, und das Quellcode-Repository steht unter der Apache License 2.0. Außerdem bietet NVIDIA sie als unterstützte Software über NVIDIA AI Enterprise an, das pro GPU lizenziert wird, über NVIDIA Mission Control und NVIDIA DSX OS sowie als eigenständige Software. Einen Preis oder eine Lizenzmetrik für Run:ai allein veröffentlicht NVIDIA nicht.

Die aktuelle Version 2.26 vom 12. Juli 2026 unterstützt Kubernetes 1.34 bis 1.36 und, auf Servern, jede NVIDIA-GPU, die der NVIDIA GPU Operator unterstützt. Dieser Beitrag folgt NVIDIAs Produktseite, dem Lizenzleitfaden und der Run:ai-Dokumentation, gelesen am 12. November 2026. Wie ein Scheduler GPUs zwischen Teams aufteilt, mit einem durchgerechneten Queue-Entwurf, zeigt unser Vergleich von KAI Scheduler, Kueue und Slurm; hier geht es um die Lizenz und die Anforderungen.

Drei Aussagen von NVIDIA, nach Datum geordnet

NVIDIAs Seiten beschreiben die Lizenz von Run:ai auf drei Arten, hier in der Reihenfolge ihrer Daten:

• Die Get-started-Seite von NVIDIA AI Enterprise vom 2. März 2026 führt Run:ai unter „exclusive software that isn't open source, such as NVIDIA Run:ai, NVIDIA NIM, and NVIDIA vGPU™ for Compute.“
• Der Lizenzleitfaden vom 2. September 2026 beschreibt „NVIDIA Run:AI, included with NVIDIA AI Enterprise“, und der Quick Start Guide vom selben Tag hält fest: „The NVIDIA AI Enterprise license includes both NVIDIA Run:ai self-hosted and NVIDIA Run:ai SaaS deployments“.
• Die Produktseite vom 13. Oktober 2026 beginnt mit dem Satz „NVIDIA Run:ai is the open source AI workload and GPU orchestration platform for Kubernetes.“

Die Produktseite ist die jüngste der drei. Sie sagt außerdem, Run:ai „is available as supported software through NVIDIA DSX OS™, NVIDIA Mission Control™, and NVIDIA AI Enterprise“. Welche anderen NVIDIA-Komponenten Open Source oder ohne Lizenzgebühr nutzbar sind, zeigt der Beitrag CUDA, TensorRT, NIM: kostenlos oder NVIDIA AI Enterprise.

NVIDIA-Seiten wie in der dritten Spalte genannt, gelesen am 12. November 2026.

Mission Control ist Cluster-Software für Cluster aus DGX B200 und DGX B300 sowie für NVL72-Racksysteme; was sie enthält, steht in unserem Beitrag NVIDIA Mission Control: was DGX-Käufer erhalten.

Run:ai-Preis und was NVIDIA veröffentlicht

Keine dieser Seiten nennt einen Preis für Run:ai, und keine definiert eine Lizenzmetrik für Run:ai als eigenes Produkt. Ein Satz wie „Run:ai kostet einen festen Betrag pro GPU“ hat heute keine NVIDIA-Quelle. Die veröffentlichte Zahl gehört zur Suite: NVIDIAs Preisseite für NVIDIA AI Enterprise, zuletzt aktualisiert am 2. September 2026, nennt für die Subscription mit Business-Standard-Support 4.500 US-Dollar pro GPU für ein Jahr. Das ist NVIDIAs Listenpreis für die gesamte Suite. Er ist weder ein Preis für Run:ai noch unser Preis. Die Laufzeiten stehen in unserem Leitfaden zur Lizenzierung von NVIDIA AI Enterprise.

Zwei Einzelheiten sind für manche Cluster wichtig. NVIDIAs Lizenzleitfaden hält fest, dass jede H200 NVL eine Subscription für NVIDIA AI Enterprise über fünf Jahre enthält, die aktiviert werden muss und sich nur auf dem NVIDIA-Certified System installieren lässt, in dem die Karten eingebaut sind. Ob diese Subscription Run:ai auf einem bestimmten Cluster abdeckt, lassen Sie sich im Angebot bestätigen. Die zweite Einzelheit betrifft die Evaluierung: NVIDIAs Hinweis zur 90-Tage-Testlizenz von NVIDIA AI Enterprise sagt, die Testlizenz „does not include NVIDIA Run:ai“.

Wir liefern Lizenzen für NVIDIA AI Enterprise zusammen mit den GPUs und Servern eines Clusters und bieten sie schriftlich an; senden Sie uns die Zahl der GPUs, die Kartenmodelle und die gewünschte Laufzeit, und das Angebot erreicht Sie innerhalb eines Werktages.

Was Run:ai einem Kubernetes-Cluster hinzufügt

Die Dokumentation beschreibt zwei Teile. Der NVIDIA Run:ai Cluster „Provides scheduling and workload management, extending Kubernetes native capabilities.“ Die Control Plane übernimmt die Ressourcenverwaltung und die Einreichung von Workloads und „can be deployed on the cloud or on-premise“. Darunter arbeitet der KAI Scheduler, den NVIDIA „an open source Kubernetes scheduler designed for AI workloads and shared GPU infrastructure“ nennt. Laut dem README des Repositorys enthält Run:ai den KAI Scheduler und ergänzt ihn unter anderem um Fair-Share-Scheduling, Preemption, GPU-Bruchteile und Kontingent-Hierarchien über Abteilungen und Projekte.

Zwei angekündigte Änderungen betreffen das Teilen von GPUs, und die Dokumentation zu 2.26 kündigt beide weiterhin an: „CUDA-based fractions will replace the legacy engine“ und „GPU Memory SWAP will be deprecated and removed from future releases.“ Ein Entwurf, der auf das Auslagern von GPU-Speicher zwischen Workloads baut, sollte ohne diese Funktion planen. Was GPU-Bruchteile, MIG und Time-Slicing jeweils isolieren, erklärt der Beitrag GPU-Sharing in Kubernetes.

Control Plane selbst betreiben oder als SaaS

NVIDIA nennt zwei Betriebsformen, „self-hosted (customer-managed control plane) or SaaS (NVIDIA-managed cloud service control plane)“, jede mit einer eigenen Collection auf NGC. Der Unterschied liegt darin, wer die Control Plane betreibt. Für die selbst betriebene Form nennt die Dokumentation diese Mindestwerte:

• 10 CPU-Kerne, 12 GB Arbeitsspeicher und 110 GB Plattenplatz für die Control Plane;
• Kubernetes 1.34 bis 1.36 oder OpenShift 4.18 bis 4.22, dazu Helm 3.14 oder neuer und eine Standard-Storage-Class;
• einen vollqualifizierten Domainnamen, weil eine IP-Adresse nicht akzeptiert wird, und TLS;
• wahlweise eine externe PostgreSQL-Datenbank, dann „only version 16“.

Eine Installation ohne Internetzugang (air-gapped) ist dokumentiert, was zu abgeschotteten Standorten passt; den Rest einer Offline-Einrichtung beschreibt unser Beitrag zum Air-Gapped-LLM-Server. Installiert wird über Helm oder über NVIDIA Base Command Manager, für den die Dokumentation Konfigurationsseiten für DGX-Systeme enthält, darunter die DGX B300. Die Werte sind genannte Mindestwerte: Eine Auslegung für eine hochverfügbare Control Plane geben die gelesenen Seiten nicht an.

Anforderungen von Run:ai 2.26 an Kubernetes, Operatoren und Knoten

NVIDIA Run:ai-Dokumentation (self-hosted), Systemanforderungen und Support-Matrix, gelesen am 12. November 2026. Die Anforderungsseite spricht von „the latest release“, also 2.26.

Run:ai 2.26 endet bei Kubernetes 1.36, während das Upstream-Projekt den Support für 1.34 am 27. Oktober 2026 beendet hat und 1.35, 1.36 und 1.37 pflegt (Stand 5. November 2026). Planen Sie einen neuen Run:ai-Cluster mit 1.35 oder 1.36. Beim GPU Operator akzeptiert Run:ai 25.10 bis 26.3, während NVIDIAs Dokumentation zum GPU Operator vom 14. Oktober 2026 bei 26.7.x steht. Legen Sie die Versionen nach der Matrix von Run:ai fest. Beim Network Operator widersprechen sich die beiden Run:ai-Seiten; klären Sie die Obergrenze, bevor Sie eine Version über 26.1 installieren.

Die Anforderungsseite nennt unter anderem Vanilla Kubernetes, OpenShift, RKE2 und die verwalteten Dienste EKS, GKE und OKE, auf x86 und ARM. Zu den von Partnern validierten Plattformen gehören VMware VKS, Mirantis k0rdent, Rafay und Spectro Cloud. Verwandte Beiträge von uns behandeln OpenShift AI auf GPU-Servern und Kubernetes DRA für NVIDIA-GPUs.

NVIDIA Run:ai-Dokumentation, Product Version Life Cycle und Support-Matrix, gelesen am 12. November 2026.

NVIDIAs Support-Richtlinie für Run:ai, zuletzt aktualisiert am 22. März 2026, gibt einer Hauptversion neun Monate vollen Support und drei weitere Monate erweiterten Support; zwölf Monate nach dem Erscheinen endet der Support. Für 2.26 nennt die Dokumentation den 12. April 2027 als Ende des vollen und den 12. Juli 2027 als Ende des erweiterten Supports. Ein Cluster braucht also mindestens ein Upgrade pro Jahr, um unterstützt zu bleiben. Einen Veröffentlichungsrhythmus nennt NVIDIA nicht; nach unserer Schätzung, gezählt aus den Erscheinungsdaten, liegen die vier Versionen von 2.23 vom 28. September 2025 bis 2.26 jeweils 112, 105 und 70 Tage auseinander. Die Infrastruktur-Releases 8.2 und 7.8 von NVIDIA AI Enterprise führen beide Run:ai 2.26.

GPUs und Server, die Run:ai akzeptiert

Die Hardware-Regel ist ein Satz in den Anforderungen: „The NVIDIA Run:ai cluster supports x86 and ARM CPUs, and any NVIDIA GPUs supported by the NVIDIA GPU Operator.“ Von den Karten, die wir liefern, nennt die Plattformliste des GPU Operators, Release 26.7.x vom 14. Oktober 2026, die RTX PRO 6000 Blackwell Server Edition mit Treiber 575.57.08 oder neuer, die RTX PRO 4500 Blackwell Server Edition, die L40S, die L4 und die H200 NVL. Die Workstation-Karten der RTX-PRO-Reihe und die RTX 5000 Ada nennt sie nicht.

Workstations werden nicht unterstützt, die Worker-Knoten sind also Server. Dieselbe Anforderungsseite hält fest: „vGPU is not supported. NVIDIA Run:ai currently supports GPU passthrough only.“ Worker-Knoten sind damit Bare-Metal-Server oder virtuelle Maschinen, denen ganze GPUs durchgereicht werden. Unter VMware heißt das DirectPath I/O; die Lizenzseite dazu behandelt der Beitrag NVIDIA AI Enterprise auf vSphere.

Von den Karten dieser Liste ist die NVIDIA RTX PRO 4500 Blackwell Server Edition die passive Single-Slot-Karte mit 32 GB bei 165 W (Kaufseite, technische Daten); die RTX PRO 6000 Blackwell Server Edition und die H200 NVL haben eigene Produktseiten. Wir bauen GPU-Server auf Bestellung mit diesen Karten, und Server von Supermicro, Gigabyte, ASUS, Dell und HPE liefern wir projektbezogen. Soll Run:ai unter einer Subscription für NVIDIA AI Enterprise laufen, sollte das Servermodell außerdem auf der Liste der NVIDIA-Certified Systems stehen, weil NVIDIA für den Support der Suite ein solches System verlangt; siehe NVIDIA-Certified Systems: was das Label aussagt.

Wann ein kleiner Cluster ohne Run:ai auskommt

Run:ai ist eine Plattform auf einem Scheduler, und der Scheduler lässt sich allein nutzen. Der KAI Scheduler ist ein eigenes Open-Source-Projekt, und Kueue ergänzt den Standard-Scheduler von Kubernetes um Kontingente. Unser Beitrag zum GPU-Scheduling für ML-Teams entwirft Queues für drei Teams auf 16 GPUs mit jedem der beiden. Unsere Empfehlung je nach Lage:

• Zwei bis vier GPU-Server und wenige Teams, deren Kontingente ein Plattform-Team als Manifeste pflegt: Der Scheduler allein genügt, und von NVIDIA muss nichts lizenziert werden.
• Mehrere Abteilungen mit eigenen Projekten, Einreichung von Workloads im Self-Service und Kontingent-Hierarchien: Das ergänzt die Control Plane von Run:ai, als Open Source oder mit Support.
• Herstellersupport für die Orchestrierungsschicht ist gefordert: NVIDIA AI Enterprise pro GPU. NVIDIAs Lizenzseite zum Base Command Manager vom 7. Oktober 2026 beschreibt die Suite so, dass sie auch den Support für den GPU Operator und den Network Operator einschließt.
• Knoten, die Workstations sind, oder virtuelle Maschinen mit vGPU: Die Anforderungen von Run:ai schließen beides aus.

Ein Pilot auf einem Server für ein Team kommt ohne Orchestrierungsplattform aus; wann ein gemeinsam genutzter Cluster beginnt, ist Thema des Beitrags Vom Pilot zur Produktion: KI-Hardware skalieren. Kontingente mit Verrechnung je Abteilung behandelt der Beitrag GPU-Kosten verrechnen: Quoten je Abteilung.

Was wir für ein Run:ai-Angebot brauchen

Mit Support wird Run:ai als NVIDIA AI Enterprise auf den GPUs des Clusters angeboten oder über einen der anderen Wege der Tabelle oben. Für das Angebot brauchen wir:

1. die Zahl der GPU-Knoten, das Kartenmodell und die Zahl der Karten pro Knoten;
2. ob die Karten bereits eine Subscription für NVIDIA AI Enterprise mitbringen, wie jede H200 NVL;
3. die Kubernetes-Distribution und ihre Version, geprüft gegen den Bereich 1.34 bis 1.36;
4. Control Plane selbst betrieben oder als SaaS, und ob der Cluster ohne Internetzugang läuft;
5. die geplante Laufzeit der Subscription.

Unsere Software-Seite führt Run:ai zusammen mit NVIDIA AI Enterprise und vGPU unter den Lizenzen, die wir liefern. Schreiben Sie uns diese fünf Punkte oder per E-Mail an request@eurokommerz.at; das schriftliche Angebot folgt innerhalb eines Werktages.

FAQ