# Shumai

Laut der am 2026-11-11 verifizierten Telemetrie von OpenAITools.app ist Shumai (github.com) eine KI-Plattform, die unter KI-Entwicklertools indexiert ist und 0 monatliche Besuche mit einem Traffic-Delta von +0 (0.0%) gegenüber dem Vormonat generiert. Ihr primärer geografischer Markt ist Global (— Traffic-Anteil) und sie arbeitet mit einem Preismodell „Kostenlos“. Zu den wichtigsten konkurrierenden Alternativen nach monatlichem Volumen gehören MindSpore (昇思) (46.573 Besuche/Monat), Mastra (318.954 Besuche/Monat), Together AI (1,65 Mio. Besuche/Monat).

Schnelle differenzierbare Tensor-Bibliothek für TypeScript und JavaScript

## Wichtige Telemetrie und Spezifikationen

| Kennzahl | Wert |
| :--- | :--- |
| Tool-Name | Shumai |
| Handle | shumai-meta |
| Status | active |
| Origin | official |
| Maintenance | active |
| Offizielle Domain | github.com |
| Website-URL | https://github.com/facebookresearch/shumai |
| Kategorien | KI-Entwicklertools, KI-Research-Tool, KI-GitHub |
| Preismodell | Kostenlos |
| Monatliche Besuche | 0 |
| MoM-Traffic-Veränderung | 0 |
| MoM-Wachstumsrate | — |
| Primärmarkt | Global |
| Marktanteil | — |
| Direkte Besuche | 0 |
| Organische Suchbesuche | 0 |
| Social-Besuche | 0 |
| Verweis-Besuche | 0 |
| E-Mail-Besuche | 0 |
| Bewertungsergebnis | 4,7 |
| Anzahl gespeicherter Einträge | 1 |
| Unterstützte Plattformen | Open Source |
| Abrechnungsplattformen |  |
| Attribute | Preise: Kostenlos; Funktionen: Open Source |
| Tags | Tensor-Bibliothek, JavaScript, TypeScript, Differenzierbare Tensoren, Maschinelles Lernen, Deep Learning, GPU-Beschleunigung, CUDA, Bun, Taschenlampe |

## Überblick

Shumai ist eine forschungsorientierte Open-Source-Bibliothek von Facebook Research, die die Leistungsfähigkeit eines modernen Deep-Learning-Tensor-Frameworks in das JavaScript- und TypeScript-Ökosystem überträgt. Ohne auf Python umzusteigen, können Entwickler Tensoren erzeugen, Matrixmultiplikationen ausführen und automatische Differenzierung mit vertrauter JS/TS-Syntax nutzen, während die rechenintensive Arbeit an das C++-Backend von Flashlight und ArrayFire delegiert wird.

Da sie auf Bun und ArrayFire aufbaut, versucht Shumai automatisch, eine angeschlossene GPU oder einen Beschleuniger zu verwenden, standardmäßig CUDA unter Linux und CPU unter macOS. Sie stellt Standard-Array-Werkzeuge wie randn, identity, matmul und Shape-Inspektion bereit, dazu Gradientenverfolgung über requires_grad und backward(), was sie zum Prototyping kleiner neuronaler Netze, für Lehre und für Experimente mit differenzierbarer Programmierung in einer webnativen Umgebung geeignet macht.

Das Projekt ist ausdrücklich als experimentelle Software gekennzeichnet, daher können sich APIs ändern und die Installation erfordert Bun und ArrayFire. Der Code wird unter der MIT-Lizenz auf GitHub veröffentlicht, wo das Team Issues und Beiträge aus der Community annimmt.

## Preise und Tarife

Kostenlos und quelloffen unter der MIT-Lizenz. Es gibt keine kostenpflichtigen Tarife, Abonnements oder Nutzungsgebühren.

## Hauptfunktionen und Fähigkeiten

- **Differenzierbare Tensoren in JS/TS:** Erzeugen Sie Tensoren und verfolgen Sie Gradienten mit requires_grad und backward() – automatische Differenzierung in reinem JavaScript und TypeScript.
- **GPU-Beschleunigung über ArrayFire:** Nutzt automatisch eine angeschlossene GPU oder einen Beschleuniger, mit CUDA unter Linux und einem CPU-Backend unter macOS über ArrayFire.
- **Auf Bun + Flashlight aufgebaut:** Nutzt die Bun-Laufzeit und das C++-Deep-Learning-Framework Flashlight für native Leistung in einem JavaScript-Workflow.
- **Vertraute Array-Operationen:** Bietet Standardwerkzeuge wie randn, identity, matmul, Skalaroperationen und Shape-Inspektion, ähnlich populärer Numerikbibliotheken.
- **Interoperabilität mit nativen Arrays:** Konvertiert mühelos in beide Richtungen zwischen JavaScript-typisierten Arrays wie Float32Array und Shumai-Tensoren.

## Wichtigste Anwendungsfälle

- **Modelle in JavaScript prototypisieren (Machine-Learning-Entwickler):** Experimentieren Sie mit Gradienten und kleinen neuronalen Netzen, ohne das JS/TS-Ökosystem zu verlassen – ideal für Forschungsprototypen und Machbarkeitstests.
- **Numerisches Rechnen in Apps integrieren (Webentwickler):** Bringen Sie Tensor-Mathematik und differenzierbare Operationen in Bun-basierte Server- oder Tool-Projekte, die Berechnungen auf dem Gerät benötigen.
- **Differenzierbare Programmierung vermitteln (Lehrende und Studierende):** Erklären Sie Backpropagation und Matrixoperationen in einer lesbaren, webnativen Sprache mit einer zugänglichen Open-Source-Codebasis.

## Stärken

- Aktiv gepflegtes Open-Source-Projekt von Facebook Research mit permissiver MIT-Lizenz
- Ermöglicht GPU-beschleunigte Tensor-Mathematik direkt in TypeScript und JavaScript über Bun und ArrayFire
- Klare API im Stil bekannter Tensorbibliotheken mit guter Installations- und Schnellstart-Dokumentation
- Kostenlose Nutzung ohne Lizenzkosten für Einzelpersonen, Forschende oder kommerzielle Projekte

## Einschränkungen

- Ausdrücklich experimentelle Software, daher können sich APIs und Installationsschritte zwischen Releases ändern
- Erfordert zusätzliches Setup von Bun und ArrayFire, und nur macOS und Linux werden offiziell unterstützt
- Reine CPU-Berechnung hängt vom CPU-Backend von ArrayFire ab, das laut Projekt nicht gut optimiert ist

## Häufig gestellte Fragen

### Was ist Shumai?
Shumai ist eine schnelle, differenzierbare Tensorbibliothek für TypeScript und JavaScript, entwickelt von Facebook Research auf Basis von Bun und Flashlight. Sie bringt GPU-beschleunigte Tensoroperationen und automatische Differenzierung in das JS/TS-Ökosystem.

### Was kostet Shumai?
Es ist völlig kostenlos und quelloffen unter der MIT-Lizenz, ohne kostenpflichtige Tarife oder Nutzungsgebühren.

### Welche Plattformen werden unterstützt?
macOS und Linux werden offiziell unterstützt, wobei Linux standardmäßig CUDA-GPU-Berechnung und macOS das CPU-Backend nutzt. Windows wird nicht offiziell unterstützt, einige Nutzer betreiben es jedoch über Docker und WSL2.

### Ist Shumai produktionsreif?
Noch nicht. Die Maintainer kennzeichnen es als experimentelle Software, daher sind sich entwickelnde APIs und mögliche Installationsprobleme zu erwarten; derzeit eignet es sich am besten für Forschung, Prototyping und Experimente.

### Wie hoch sind der monatliche Traffic und der Wachstumstrend von Shumai?
Shumai erhält derzeit 0 monatliche Besuche bei einer Traffic-Veränderung von +0 (0.0% Wachstumsrate) gegenüber dem Vormonat. Der wichtigste Quellmarkt ist Global (— Anteil), einschließlich 0 direkte Besuche/Monat und 0 organische Suchbesuche/Monat.

### Ist Shumai kostenlos? Welches Preismodell hat es?
Shumai arbeitet mit einem Preismodell „Kostenlos“. Kostenlos und quelloffen unter der MIT-Lizenz. Es gibt keine kostenpflichtigen Tarife, Abonnements oder Nutzungsgebühren. Zu den unterstützten Abrechnungs- und Checkout-Plattformen gehören: nicht aufgeführt.

### Was sind die besten Alternativen zu Shumai im Jahr 2026?
Basierend auf Kategorie-Traffic und Funktionspassung bei OpenAITools.app sind die fünf besten Alternativen zu Shumai: 1. MindSpore (昇思) (46.573 Besuche/Monat); 2. Mastra (318.954 Besuche/Monat); 3. Together AI (1,65 Mio. Besuche/Monat); 4. Captum (4464 Besuche/Monat); 5. Unsloth AI (887.457 Besuche/Monat).

### Welche Plattformen und zentralen KI-Fähigkeiten unterstützt Shumai?
Shumai ist unter KI-Entwicklertools, KI-Research-Tool, KI-GitHub klassifiziert, unterstützt die folgenden Plattformen: Open Source, und die zentralen Fähigkeits-Tags umfassen: Tensor-Bibliothek, JavaScript, TypeScript, Differenzierbare Tensoren, Maschinelles Lernen, Deep Learning.

## Alternativen

| Tool-Name | Monatliche Besuche | Preismodell | Vergleichen |
| :--- | :--- | :--- | :--- |
| [MindSpore (昇思)](https://openaitools.app/de/tool/mindspore-cn) | 46.573 | Kostenlos | [Vergleichen](https://openaitools.app/de/compare/mindspore-cn-vs-shumai-meta) |
| [Mastra](https://openaitools.app/de/tool/mastra) | 318.954 | Freemium, Preise auf Anfrage | [Vergleichen](https://openaitools.app/de/compare/mastra-vs-shumai-meta) |
| [Together AI](https://openaitools.app/de/tool/together-ai) | 1.645.930 | Freemium, Kostenpflichtig | [Vergleichen](https://openaitools.app/de/compare/shumai-meta-vs-together-ai) |
| [Captum](https://openaitools.app/de/tool/captum-ai) | 4.464 | Kostenlos | [Vergleichen](https://openaitools.app/de/compare/captum-ai-vs-shumai-meta) |
| [Unsloth AI](https://openaitools.app/de/tool/unsloth-ai) | 887.457 | Kostenlos | [Vergleichen](https://openaitools.app/de/compare/shumai-meta-vs-unsloth-ai) |
| [Convex](https://openaitools.app/de/tool/convex) | 390.417 | Freemium, Kostenpflichtig | [Vergleichen](https://openaitools.app/de/compare/convex-vs-shumai-meta) |
| [Gemma Open Models von Google](https://openaitools.app/de/tool/gemma-open-models-by-google) | 4.900.914 | Freemium, Kostenpflichtig | [Vergleichen](https://openaitools.app/de/compare/gemma-open-models-by-google-vs-shumai-meta) |
| [Composio](https://openaitools.app/de/tool/composio) | 2.782.603 | Freemium, Preise auf Anfrage | [Vergleichen](https://openaitools.app/de/compare/composio-vs-shumai-meta) |
| [Morph](https://openaitools.app/de/tool/morph-apply-ai-edits-to-files-fast) | 306.961 | Kostenlose Testversion, Preise auf Anfrage | [Vergleichen](https://openaitools.app/de/compare/morph-apply-ai-edits-to-files-fast-vs-shumai-meta) |
| [Spice.ai](https://openaitools.app/de/tool/spice-ai) | 20.632 | Freemium | [Vergleichen](https://openaitools.app/de/compare/shumai-meta-vs-spice-ai) |
| [LLM Gateway](https://openaitools.app/de/tool/llm-gateway) | 168.426 | Freemium, Preise auf Anfrage | [Vergleichen](https://openaitools.app/de/compare/llm-gateway-vs-shumai-meta) |
| [Replicate AI](https://openaitools.app/de/tool/replicate-ai) | 904.038 | Kostenpflichtig | [Vergleichen](https://openaitools.app/de/compare/replicate-ai-vs-shumai-meta) |

---
Quelle: https://openaitools.app/de/tool/shumai-meta