# Cognitora vs Rivet.dev

Cognitora verzeichnet 0 monatliche Besuche mit — Wachstum gegenüber dem Vormonat und einem Preismodell „Open Source“. Rivet.dev verzeichnet 21.359 monatliche Besuche mit -44,3 % Wachstum und einem Preismodell „Freemium, Preise auf Anfrage“.

| Kennzahl | [Cognitora](https://openaitools.app/de/tool/cognitora) | [Rivet.dev](https://openaitools.app/de/tool/rivet-dev) |
| :--- | :--- | :--- |
| Website-URL | https://cognitora.dev | https://rivet.dev |
| Kategorien | AI Agent, AI API, KI-Entwicklertools | AI Agent, AI Workflow, KI-Entwicklertools, KI-App-Builder |
| Preismodell | Open Source | Freemium, Preise auf Anfrage |
| Monatliche Besuche | 0 | 21.359 |
| MoM-Wachstumsrate | — | -44,3 % |
| Primärmarkt | Global | Vereinigte Staaten |
| Direkte Besuche | 0 | 10.710 |
| Bewertungsergebnis | 4,6 | 4,5 |
| Anzahl gespeicherter Einträge | 0 | 0 |
| Unterstützte Plattformen | Website | Website |

## Cognitora

Cognitora ist eine Open-Source-Orchestrierungsschicht für verteilte Inferenz großer Sprachmodelle, geschrieben in Rust. Statt eine einzelne Inferenz-Engine bereitzustellen, fasst sie die Engines, die Sie bereits betreiben — vLLM, SGLang, llama.cpp, Apple MLX, einen Spawn-Treiber für TRT-LLM und die eigene Preview-Engine cgn-infer — zu einem Cluster hinter einem einzigen OpenAI-kompatiblen Gateway zusammen. Sie kann anstelle eines Orchestrators wie NVIDIA Dynamo eingesetzt werden; das Projekt positioniert sich mit Unterstützung für mehr Engines, Bare-Metal-Betrieb ohne Kubernetes, der Einbeziehung des Stromverbrauchs in die Planung und dem Verzicht auf eine Python-Kontrollschicht.

Die zentrale Innovation ist das KV-bewusste Routing. Der Router bewertet Knoten nach der längsten Präfixüberlappung verketteter BLAKE3-Digests und nutzt dabei Cache-Ansprüche, die Agents in Heartbeats melden. In realen llama.cpp-Läufen fügte der Router laut Angaben 0,9–2,0 ms bei p50 hinzu. Über das Routing hinaus trennt die Plattform Prefill und Decode auf separate Replikat-Pools (KV-Übergabe über NixlConnector), unterhält einen mehrstufigen RAM-/SSD-KV-Cache mit knotenübergreifendem QUIC-Abruf und bietet austauschbare Offload-Backends wie nixl, lmcache, hicache und kvbm.

Der Stack ist modular: cgn-router für das Routing, cgn-agent zur Überwachung der Engines auf jedem Knoten, cgn-kvcached für den gestuften Cache, cgn-metrics für Prometheus- und Redfish/NVML-Leistungstelemetrie, cgn-ctl als Admin-CLI, ein optionaler Kubernetes-Operator und eine native Preview-Engine. Energiebewusste Planung entleert heiße Knoten, ein geschlossener Autoscaler reagiert auf Leistungswerte, und Gossip-basierte Erkennung macht etcd überflüssig. Zur Sicherheit gehören optionales mTLS, Releases mit SHA-256-Prüfsummen sowie OIDC- oder bereichsbezogene API-Key-Authentifizierung. Das Projekt liefert sechs statische Binärdateien für systemd-Installationen, Helm-Charts für Kubernetes und ein Cluster-Dashboard als einzelne HTML-Datei, das Durchsatz, Latenz-Perzentile, KV-Auslastung und Joule pro Token ohne Grafana darstellt.

**Preise und Tarife:** Cognitora ist Open Source und wird aus seinem Repository installiert; es gibt keinen veröffentlichten Preis pro Arbeitsplatz oder Token. Die Bereitstellungskosten sind Ihre eigene Hardware, sodass die Gesamtausgaben von den betriebenen GPUs und Knoten abhängen.

- **KV-bewusstes Request-Routing:** Leitet jede Anfrage an den Knoten, dessen Cache das längste passende Prompt-Präfix hält, und nutzt die Präfixüberlappung von BLAKE3-Sequenz-Digests, um wiederholte Prefill-Arbeit zu vermeiden.
- **Engine-agnostisches Gateway:** Eine einzige OpenAI-kompatible API vor vLLM, SGLang, llama.cpp, Apple MLX und einem TRT-LLM-Spawn-Treiber, sodass Sie Engines in einem Cluster mischen können.
- **Prefill/Decode-Trennung:** Führt Prefill und Decode in getrennten Replikat-Pools mit KV-Übergabe über NixlConnector aus, sodass jede Phase die passende Hardware nutzen kann.
- **Energiebewusste Planung:** Bezieht Redfish- und NVML-Leistungswerte in die Routing-Bewertung ein, setzt weiche Watt-Obergrenzen pro Knoten und entleert heiße Knoten automatisch, um Energie pro Token zu senken.
- **Von Bare Metal bis Kubernetes:** Wird als sechs statische Binärdateien unter systemd ohne Kubernetes bereitgestellt oder optional mit einem kube-rs-Operator, der die CRDs InferenceCluster, ModelPool und RoutingPolicy bereitstellt.

**Stärken:** Open Source und selbst hostbar, ohne Lizenzkosten pro Token oder Arbeitsplatz; KV-bewusstes Routing reduziert doppelte Prefill-Arbeit in der Flotte deutlich; Unterstützt viele Engines und bindet Sie nicht an die Runtime eines Anbieters; Läuft ohne Kubernetes auf Bare Metal und hält die Betriebsfläche klein

**Einschränkungen:** Die Bewertung erfordert solides LLM-Infrastrukturwissen und eigene GPU-Hardware; Mehrere Hauptfunktionen liegen im main-Branch, aber noch nicht in einem getaggten Release; TRT-LLM-Unterstützung ist nur ein Spawn-Treiber, ohne Standardrezept und ohne GPU-Test in CI

[Profile (Markdown)](https://openaitools.app/de/tool/cognitora.md)

## Rivet.dev

Rivet is open-source infrastructure for running and scaling AI agents as "Actors" — durable, stateful compute units that live inside your own Node.js or Bun backend. Each Actor keeps persistent state, a filesystem, and a SQLite database, so agents survive restarts, share state, and run code written at runtime without a redeploy. Rivet ships as a single stateless Rust binary and can be self-hosted, run in your VPC, or used through a managed cloud.

**Preise und Tarife:** Rivet Cloud uses a plan-plus-nodes model. The control plane is Free ($0) for prototyping, Hobby at $10/month, Team at $120/month, and Enterprise at $900/month, each raising control-plane redundancy, Actor Node caps, and support. Actor Nodes are billed per month on top, from $4.20 (R-5) to $94.50 (R-160). Self-hosting is free and open source under Apache 2.0, and startups from Y Combinator or a16z Speedrun get 50% off the Team plan for 12 months.

- **Durable actors with persistent state:** Every Actor gets a SQLite database and a filesystem, so an agent's memory and progress survive restarts and idle periods without a separate database.
- **Lightweight secure sandboxing:** Run untrusted or AI-generated code on your own infrastructure with fine-grained control over network access, filesystem permissions, and resource limits.
- **Fault tolerance and workflows:** A node failure reschedules its Actors elsewhere with state intact, and multi-step work replays after a crash — with no checkpointing harness to build yourself.
- **Realtime and multiplayer:** Address an Actor directly over HTTP or hold a live WebSocket, and use the React SDK to subscribe components to an Actor's state in real time.
- **One-binary deployment and observability:** Ship with a single stateless Rust binary, embeds storage in S3-compatible buckets, and emits OpenTelemetry traces, metrics, and logs to your existing collector.

**Stärken:** Four-digit millisecond cold starts and a very small per-Actor memory footprint let a single server host far more agents; Open source (Apache 2.0) with a single Rust binary, so it can be self-hosted, run in a VPC, or air-gapped; Durable state via per-Actor SQLite plus object-storage-backed tiers keeps agents restart-safe and cheap; Strong developer ergonomics: typed SDKs, a React SDK, WebSocket networking, and OpenTelemetry baked in

**Einschränkungen:** Requires Node.js or Bun and a working Rust-based control plane deployment for self-hosting, so it favors backend engineers over no-code users; Advanced durability and sandboxing concepts (Actors, WarpDrive storage) carry a learning curve; Managed cloud cost scales with Actor Nodes, which can climb for many mid-sized/sized nodes; Enterprise features like multi-tenancy and hardened compliance guidance sit behind sales conversations

[Profile (Markdown)](https://openaitools.app/de/tool/rivet-dev.md)

## Häufig gestellte Fragen

### Wie vergleichen sich Cognitora und Rivet.dev beim monatlichen Traffic?

Cognitora hat 0 monatliche Besuche, während Rivet.dev 21.359 verzeichnet. Traffic-Schätzungen beschreiben die Publikumsgröße, nicht die Produktqualität.

### Wie vergleichen sich ihre Wachstumsraten?

Cognitora verzeichnet eine Wachstumsrate von — gegenüber dem Vormonat; Rivet.dev verzeichnet -44,3 %.

### Wie vergleichen sich die Preise?

Cognitora: Open Source. Cognitora ist Open Source und wird aus seinem Repository installiert; es gibt keinen veröffentlichten Preis pro Arbeitsplatz oder Token. Die Bereitstellungskosten sind Ihre eigene Hardware, sodass die Gesamtausgaben von den betriebenen GPUs und Knoten abhängen. Rivet.dev: Freemium, Preise auf Anfrage. Rivet Cloud uses a plan-plus-nodes model. The control plane is Free ($0) for prototyping, Hobby at $10/month, Team at $120/month, and Enterprise at $900/month, each raising control-plane redundancy, Actor Node caps, and support. Actor Nodes are billed per month on top, from $4.20 (R-5) to $94.50 (R-160). Self-hosting is free and open source under Apache 2.0, and startups from Y Combinator or a16z Speedrun get 50% off the Team plan for 12 months.

## Alternativen

| # | Tool-Name | Monatliche Besuche | MoM-Wachstumsrate | Preismodell | Summary | Profile (Markdown) |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| 1 | [RunPod](https://openaitools.app/de/tool/runpod) | 2.881.043 | +5,9 % | Kostenpflichtig | RunPod is a cloud platform for AI and machine learning workloads that rents GPU compute by the second. It offers Pods for persistent GPU instances, Serverless endpoints that autoscale inference from zero, and multi-node | [.md](https://openaitools.app/de/tool/runpod.md) |
| 2 | [Together AI](https://openaitools.app/de/tool/together-ai) | 1.645.930 | +64,9 % | Freemium, Kostenpflichtig | Together AI is the AI Native Cloud — a full-stack platform for running, fine-tuning and training open-source models. It spans serverless inference APIs, dedicated endpoints, GPU clusters, post-training and storage, all b | [.md](https://openaitools.app/de/tool/together-ai.md) |
| 3 | [Browser Use](https://openaitools.app/de/tool/browser-use) | 1.206.376 | +41,1 % | Freemium, Kostenpflichtig, Preise auf Anfrage | Browser-Agenten und getarnte Cloud-Browser für echte Webaufgaben | [.md](https://openaitools.app/de/tool/browser-use.md) |
| 4 | [Modal](https://openaitools.app/de/tool/modal-com) | 1.196.021 | +30,2 % | Freemium, Preise auf Anfrage | Serverlose Cloud-Infrastruktur für KI- und Daten-Workloads | [.md](https://openaitools.app/de/tool/modal-com.md) |
| 5 | [Nebius](https://openaitools.app/de/tool/nebius) | 1.145.711 | +10,7 % | Kostenpflichtig, Preise auf Anfrage | Nebius is an AI-focused cloud platform that gives teams non-virtualized NVIDIA GPU clusters, managed MLOps tooling, and a serverless inference layer so they can move from experiment to production on one stack. | [.md](https://openaitools.app/de/tool/nebius.md) |
| 6 | [Salad](https://openaitools.app/de/tool/salad-gpu-cloud) | 713.519 | +10,4 % | Kostenlose Testversion, Kostenpflichtig, Preise auf Anfrage | Verteilte GPU-Cloud, die die ungenutzten Consumer-GPUs der Welt orchestriert | [.md](https://openaitools.app/de/tool/salad-gpu-cloud.md) |
| 7 | [Mastra](https://openaitools.app/de/tool/mastra) | 318.954 | -5 % | Freemium, Preise auf Anfrage | Mastra is an open-source TypeScript framework for building, deploying, and observing AI agents and workflows. It gives JavaScript developers typed agents, durable workflows, memory, MCP tool support, and built-in observa | [.md](https://openaitools.app/de/tool/mastra.md) |
| 8 | [Agent 37](https://openaitools.app/de/tool/agent-37) | 180.030 | +24,2 % | Kostenlose Testversion, Preise auf Anfrage | Der günstige Cloud-Sandbox, in dem KI-Agenten wirklich laufen | [.md](https://openaitools.app/de/tool/agent-37.md) |
| 9 | [Coder](https://openaitools.app/de/tool/coder) | 149.417 | -12,8 % | Kostenlose Testversion, Preise auf Anfrage, Kostenlos | Selbst gehostete Cloud-Entwicklungsumgebungen und KI-Coding-Agenten für Unternehmensteams | [.md](https://openaitools.app/de/tool/coder.md) |
| 10 | [boat](https://openaitools.app/de/tool/boat) | 66.870 | +520,8 % | Kostenlose Testversion, Kostenpflichtig | Persistente Ubuntu-Cloud-VMs für KI-Agenten-Fabriken | [.md](https://openaitools.app/de/tool/boat.md) |

---
Quelle: https://openaitools.app/de/compare/cognitora-vs-rivet-dev

More Markdown: [Kategorien](https://openaitools.app/de/categories.md) · [Traffic-Rankings](https://openaitools.app/de/rankings.md) · [llms.txt](https://openaitools.app/de/llms.txt)