# Cognitora vs Salad

Cognitora enregistre 0 visites mensuelles avec une croissance mensuelle de — et un modèle tarifaire Open Source. Salad enregistre 713 519 visites mensuelles avec une croissance de +10,4 % et un modèle tarifaire Essai gratuit, Payant, Tarifs sur demande.

| Métrique | [Cognitora](https://openaitools.app/fr/tool/cognitora) | [Salad](https://openaitools.app/fr/tool/salad-gpu-cloud) |
| :--- | :--- | :--- |
| URL du site web | https://cognitora.dev | https://salad.com |
| Catégories | AI Agent, AI API, Outils de développement IA | Outils de développement IA, AI API, Transcription IA, Large Language Models (LLMs) |
| Modèle tarifaire | Open Source | Essai gratuit, Payant, Tarifs sur demande |
| Visites mensuelles | 0 | 713 519 |
| Taux de croissance mensuel | — | +10,4 % |
| Marché principal | Global | États-Unis |
| Visites directes | 0 | 440 915 |
| Score d'avis | 4,6 | 4,3 |
| Nombre d'enregistrements | 0 | 1 |
| Plateformes prises en charge | Site web | Site web |

## Cognitora

Cognitora est une couche d'orchestration open source pour l'inférence distribuée de grands modèles de langage, écrite en Rust. Plutôt que de fournir un moteur d'inférence unique, elle réunit les moteurs que vous exploitez déjà — vLLM, SGLang, llama.cpp, Apple MLX, un pilote de lancement TRT-LLM et son propre moteur en aperçu cgn-infer — dans un seul cluster derrière une passerelle unique compatible OpenAI. Elle peut être déployée à la place d'un orchestrateur comme NVIDIA Dynamo, et le projet met en avant le support d'un plus grand nombre de moteurs, le fonctionnement en bare metal sans Kubernetes, la prise en compte de la consommation électrique dans l'ordonnancement et l'absence de plan de contrôle en Python.

Son innovation centrale est le routage conscient du KV. Le routeur note les nœuds selon le plus long recouvrement de préfixe de digests BLAKE3 chaînés, en s'appuyant sur les déclarations de cache que les agents signalent dans leurs heartbeats. Sur des exécutions réelles de llama.cpp, le routeur n'ajouterait que 0,9 à 2,0 ms au p50. Au-delà du routage, la plateforme sépare le prefill du decode sur des pools de réplicas distincts (transfert du cache KV via NixlConnector), maintient un cache KV à plusieurs niveaux RAM/SSD avec récupération QUIC entre nœuds et propose des backends de déchargement interchangeables : nixl, lmcache, hicache et kvbm.

La pile est modulaire : cgn-router pour le routage, cgn-agent pour superviser les moteurs sur chaque nœud, cgn-kvcached pour le cache à niveaux, cgn-metrics pour Prometheus et la télémétrie de puissance Redfish/NVML, cgn-ctl comme CLI d'administration, un opérateur Kubernetes optionnel et un moteur natif en aperçu. L'ordonnancement sensible à l'énergie draine les nœuds chauds, un autoscaler en boucle fermée réagit aux relevés de puissance et la découverte par gossip supprime le besoin d'etcd. Côté sécurité : mTLS optionnel, versions avec somme de contrôle SHA-256 et authentification OIDC ou par clés d'API à portée limitée. Le projet fournit six binaires statiques pour les installations systemd, des charts Helm pour Kubernetes et un tableau de bord de cluster en un seul fichier HTML affichant débit, centiles de latence, utilisation du KV et joules par token sans Grafana.

**Tarifs et offres:** Cognitora est open source et s'installe depuis son dépôt ; aucun tarif public par siège ou par token n'est publié. Le coût de déploiement correspond à votre propre matériel, la dépense totale dépendant des GPU et des nœuds exploités.

- **Routage des requêtes conscient du KV:** Achemine chaque requête vers le nœud dont le cache détient le plus long préfixe de prompt correspondant, grâce au recouvrement de préfixe des digests BLAKE3, pour éviter le travail de prefill répété.
- **Passerelle indépendante du moteur:** Une seule API compatible OpenAI devant vLLM, SGLang, llama.cpp, Apple MLX et un pilote TRT-LLM, ce qui permet de mélanger les moteurs dans un même cluster.
- **Séparation prefill/decode:** Exécute le prefill et le decode sur des pools de réplicas distincts avec transfert du KV via NixlConnector, chaque phase pouvant utiliser le matériel le plus adapté.
- **Ordonnancement sensible à l'énergie:** Intègre les relevés de puissance Redfish et NVML au score de routage, applique des plafonds souples en watts par nœud et draine automatiquement les nœuds chauds pour réduire l'énergie par token.
- **Du bare metal à Kubernetes:** Se déploie en six binaires statiques sous systemd sans Kubernetes, ou avec un opérateur kube-rs optionnel exposant les CRD InferenceCluster, ModelPool et RoutingPolicy.

**Forces:** Open source et auto-hébergeable, sans coût de licence par token ou par siège; Le routage conscient du KV réduit nettement le travail de prefill dupliqué dans la flotte; Prend en charge de nombreux moteurs et ne vous enferme pas dans le runtime d'un fournisseur; Fonctionne en bare metal sans Kubernetes, ce qui limite la surface opérationnelle

**Limites:** Son évaluation exige de solides connaissances en infrastructure LLM et du matériel GPU réel; Plusieurs fonctionnalités phares sont sur la branche main, mais pas encore dans une version étiquetée; La prise en charge de TRT-LLM se limite à un pilote de lancement, sans recette par défaut ni test GPU en CI

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

## Salad

Salad attaque le coût du calcul GPU sous un autre angle. Au lieu de financer de nouvelles capacités de centre de données, elle coordonne l'offre déjà existante : des GPU grand public inutilisés dans des PC et stations de travail du monde entier. Depuis 2018, plus de 450 000 GPU ont contribué au réseau, qui rapporte aujourd'hui plus de 16 000 GPU actifs par jour répartis dans plus de 190 pays. Les tarifs commencent autour de 0,015 dollar par heure de GPU, ce que l'entreprise présente comme jusqu'à 90 % en dessous des tarifs des hyperscalers.

La couche d'orchestration est le produit central. Salad Container Engine planifie des conteneurs OCI/Docker sur des nœuds qu'elle n'a jamais vus, les vérifie et les isole derrière un hyperviseur, diffuse les logs et réaffecte le travail dès qu'un nœud disparaît — un point critique, car le matériel grand public interruptible décroche de façon imprévisible. Une notation de confiance propriétaire évalue les performances et la disponibilité des nœuds, et la tarification prioritaire associe l'offre interruptible bon marché aux charges conçues pour la tolérer. Le même moteur tourne sur Community Cloud, sur du matériel réservé Salad Dedicated (RTX PRO 6000 Blackwell parmi les premiers) et dans un Private Cloud au sein de votre organisation, où les GPU inutilisés des stations de travail sont regroupés en un service de jetons compatible OpenAI sans que les données d'entreprise quittent les appareils de l'entreprise.

Plusieurs produits managés s'y ajoutent : une AI Gateway compatible OpenAI pour les modèles à poids ouverts, une Transcription API et Gateway Service pour les tunnels d'IP résidentielles. Des benchmarks publiés par charge de travail étayent le discours — par exemple 5 243 images Flux.1-Schnell par dollar, 95,1 % de précision sur CommonVoice à partir de 0,16 dollar par heure d'audio, et des tarifs horaires de GPU ou un prix par jeton à partir de 0,06 dollar par million de jetons d'entrée pour l'inférence LLM. Parmi les utilisateurs en production figurent Civitai, Blend, Klyne.ai, Undetectable AI, Pareto et Datasembly.

**Tarifs et offres:** Paiement à l'usage, sans contrat ni minimum sur SaladCloud : facturation à la seconde pour les conteneurs et au jeton sur l'AI Gateway, avec des tarifs GPU à partir d'environ 0,015 dollar par heure et des remises dégressives sur volume. La capacité réservée et les contrats d'entreprise sont disponibles via Salad Dedicated et Private Cloud, sur devis.

- **Salad Container Engine:** Planifie, surveille et réaffecte des charges Docker/OCI sur des milliers de nœuds GPU distribués, avec bascule automatique quand des nœuds disparaissent.
- **Pool GPU Community Cloud:** Accès à la demande à un pool distribué de GPU grand public inutilisés dans plus de 190 pays, tarif prioritaire à partir d'environ 0,015 dollar par heure de GPU.
- **AI Gateway compatible OpenAI:** Un point d'accès à jetons managé pour les modèles à poids ouverts, facturé au jeton, vos données n'étant jamais utilisées pour l'entraînement.
- **Private Cloud sur votre matériel:** Exécutez la même pile d'orchestration dans votre organisation et regroupez les GPU inutilisés des stations de travail en un service interne compatible OpenAI.
- **API adaptées aux charges:** Des services managés incluant la Transcription API et la prise en charge de Virtual Kubelet pour planifier des pods Kubernetes sur le réseau.

**Forces:** Tarification structurellement basse — les tarifs GPU démarrent autour de 0,015 dollar par heure; Une seule couche d'orchestration couvre l'infrastructure à la demande, réservée et privée; Gère nativement l'interruption, ce qui compte sur du matériel grand public; Les points d'accès compatibles OpenAI simplifient la migration depuis d'autres fournisseurs

**Limites:** Les nœuds grand public interruptibles ne conviennent pas tels quels aux charges critiques en latence ou permanentes; Le matériel distribué varie davantage en performance que des racks de centre de données uniformes; Pas de niveau gratuit classique — le coût évolue directement avec l'usage

[Profile (Markdown)](https://openaitools.app/fr/tool/salad-gpu-cloud.md)

## Questions fréquentes

### Comment Cognitora et Salad se comparent-ils en termes de trafic mensuel ?

Cognitora enregistre 0 visites mensuelles, tandis que Salad enregistre 713 519. Les estimations de trafic décrivent la taille de l'audience, pas la qualité du produit.

### Comment leurs taux de croissance se comparent-ils ?

Cognitora a un taux de croissance mensuel de — ; Salad a +10,4 %.

### Comment les tarifs se comparent-ils ?

Cognitora : Open Source. Cognitora est open source et s'installe depuis son dépôt ; aucun tarif public par siège ou par token n'est publié. Le coût de déploiement correspond à votre propre matériel, la dépense totale dépendant des GPU et des nœuds exploités. Salad : Essai gratuit, Payant, Tarifs sur demande. Paiement à l'usage, sans contrat ni minimum sur SaladCloud : facturation à la seconde pour les conteneurs et au jeton sur l'AI Gateway, avec des tarifs GPU à partir d'environ 0,015 dollar par heure et des remises dégressives sur volume. La capacité réservée et les contrats d'entreprise sont disponibles via Salad Dedicated et Private Cloud, sur devis.

## Alternatives

| # | Nom de l'outil | Visites mensuelles | Taux de croissance mensuel | Modèle tarifaire | Summary | Profile (Markdown) |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| 1 | [RunPod](https://openaitools.app/fr/tool/runpod) | 2 881 043 | +5,9 % | Payant | Offre des locations de GPU dédiées et serverless fiables, mais manque du pool de matériel grand public pair-à-pair ultra-économique de Salad. | [.md](https://openaitools.app/fr/tool/runpod.md) |
| 2 | [Together AI](https://openaitools.app/fr/tool/together-ai) | 1 645 930 | +64,9 % | Freemium, Payant | Se spécialise dans les API d'inférence serverless gérées pour les modèles open source, plutôt que dans la location d'infrastructure GPU brute. | [.md](https://openaitools.app/fr/tool/together-ai.md) |
| 3 | [Vast.ai](https://openaitools.app/fr/tool/vast-ai) | 1 257 554 | +2,8 % | Payant | Propose un vaste marché de GPU pair-à-pair à des prix inférieurs, mais nécessite une configuration plus manuelle. | [.md](https://openaitools.app/fr/tool/vast-ai.md) |
| 4 | [Browser Use](https://openaitools.app/fr/tool/browser-use) | 1 206 376 | +41,1 % | Freemium, Payant, Tarifs sur demande | Agents navigateurs et navigateurs cloud furtifs | [.md](https://openaitools.app/fr/tool/browser-use.md) |
| 5 | [Modal](https://openaitools.app/fr/tool/modal-com) | 1 196 021 | +30,2 % | Freemium, Tarifs sur demande | Offre une exécution serverless Python sans effort pour les pipelines d'IA, mais se concentre sur le Function-as-a-Service plutôt que sur les VM brutes. | [.md](https://openaitools.app/fr/tool/modal-com.md) |
| 6 | [Nebius](https://openaitools.app/fr/tool/nebius) | 1 145 711 | +10,7 % | Payant, Tarifs sur demande | Fournit des clusters de GPU NVIDIA de qualité entreprise et des outils ML gérés, mais à un prix professionnel plus élevé. | [.md](https://openaitools.app/fr/tool/nebius.md) |
| 7 | [DeepInfra](https://openaitools.app/fr/tool/deep-infra) | 457 810 | -8,9 % | Payant | Offers extremely cheap serverless model hosting via API, but does not provide raw containerized GPU instances. | [.md](https://openaitools.app/fr/tool/deep-infra.md) |
| 8 | [FluidStack](https://openaitools.app/fr/tool/fluidstack) | 154 620 | +7,3 % | Payant, Tarifs sur demande | Focuses on large-scale enterprise GPU clusters for training, rather than lightweight consumer container workloads. | [.md](https://openaitools.app/fr/tool/fluidstack.md) |
| 9 | [Coder](https://openaitools.app/fr/tool/coder) | 149 417 | -12,8 % | Essai gratuit, Tarifs sur demande, Gratuit | Environnements de développement cloud auto-hébergés et agents de code IA pour les entreprises | [.md](https://openaitools.app/fr/tool/coder.md) |
| 10 | [Thunder Compute](https://openaitools.app/fr/tool/thunder-compute) | 102 147 | -29 % | Paid (per-minute instances, per-second sandboxes) | Features second-billed persistent SSH GPU instances, but lacks a distributed consumer hardware backbone. | [.md](https://openaitools.app/fr/tool/thunder-compute.md) |

---
Source : https://openaitools.app/fr/compare/cognitora-vs-salad-gpu-cloud

More Markdown: [Catégories](https://openaitools.app/fr/categories.md) · [Classements de trafic](https://openaitools.app/fr/rankings.md) · [llms.txt](https://openaitools.app/fr/llms.txt)
