Ray
Nato nel RISELab di UC Berkeley nel 2017: calcolo distribuito per Python, soprattutto per il ML. Commercializzato come Anyscale.
Il nucleo: il decoratore @ray.remote rende distribuita una funzione o una classe. Basato su attori (con stato) o su task (senza stato). Librerie costruite sopra: Ray Tune (ricerca di iperparametri), Ray Serve (serving di modelli), Ray Train (training distribuito), Ray RLlib (reinforcement learning).
Alimenta l'addestramento di ChatGPT (OpenAI), Cohere e molte startup di LLM. Caso ideale: scalare su un cluster codice Python esistente senza riscriverlo in Spark o Dask.