Enki Multimedia

Laboratoire d'ingénierie

Laboratoire de systèmes IA open source.

Là où nous construisons et testons des logiciels open source pour les systèmes IA, sur notre propre matériel : un agent de code local sur une inférence répartie, une mémoire durable pour les agents, et l'infrastructure qui les relie. Nous publions ce que nous apprenons au fil de l'eau.

Le laboratoire s'appuie sur plus de vingt ans de travail open source en Python et en Erlang, sur le réseau, les runtimes et les systèmes distribués.

Configuration vérifiée le 16 novembre 2026.

Sur quoi nous travaillons

Un agent de code local

Un agent de code performant, servi depuis nos propres machines, avec le modèle réparti sur deux nœuds grâce à l'inférence distribuée.

Barrel Agent Memory

Mémoire durable, recherche hybride et gestion du contexte pour les agents, développées et testées ici sur une vraie charge d'agent.

Barrel est développé par Enki Bridge, une société distincte qui fait appel aux services d'ingénierie d'Enki Multimedia.

Infrastructure IA distribuée

Des expériences sur le réseau, l'ordonnancement et le service entre machines, et sur du matériel de différents fabricants.

Ce qui tourne aujourd'hui

La configuration telle que vérifiée le 16 novembre 2026. Elle évoluera avec les expériences.

MatérielDeux systèmes ASUS Ascent GX10, chacun avec un NVIDIA GB10, environ 128 Go de mémoire unifiée, 20 cœurs CPU ARM et 1 To de stockage NVMe.
InterconnexionDeux interfaces ConnectX-7 à 200 Gb/s actives par machine. La communication NCCL sur RoCE est confirmée sur les deux interfaces.
InférenceGLM-5.3-Flash, servi sur les deux machines avec TensorFold.
AccèsUne API d'inférence compatible OpenAI, pour nos agents et nos tests.
Hôte d'appui (prévu)Le modèle occupe l'essentiel de la mémoire des deux machines : l'orchestration des agents, Barrel Agent Memory et les services de test tourneront sur un hôte séparé.
Hôte d'appui (prévu)Orchestration des agents, Barrel Agent Memory, tests
Nœud GX10 n° 1NVIDIA GB10, sert une partie du modèle
Nœud GX10 n° 2NVIDIA GB10, sert une partie du modèle
Des rôles, pas un plan réseau : nous ne publions ni adresses ni configuration interne.

Ce que nous n'avons pas encore mesuré

Cette page ne liste que ce que nous avons vérifié. Les résultats ci-dessous ne sont pas encore disponibles ; quand nous les publierons, ils seront accompagnés de la configuration et des scripts nécessaires pour les reproduire.

  • Des benchmarks de code pour l'agent local
  • Le débit soutenu sur les deux liens d'interconnexion
  • L'inférence à contexte long sous charge concurrente

Notes du laboratoire

Expériences et résultats, du plus récent au plus ancien. Chaque entrée renverra vers son compte rendu et son code.

16 novembre 2026Configuration à deux nœuds vérifiée : inférence répartie avec TensorFold, NCCL sur RoCE sur les deux liens, et API compatible OpenAI en service.

Construit sur notre travail open source

Le laboratoire prolonge un travail publié depuis plus de vingt ans : servir des applications Python, des clients et serveurs HTTP en Erlang, QUIC et d'autres protocoles réseau, des runtimes embarqués, des systèmes distribués et des bases de données. Les projets ci-contre sont ceux sur lesquels le laboratoire s'appuie le plus directement ; le catalogue complet est sur notre page open source.

Partenariats matériel

Nous souhaitons travailler avec AMD, NVIDIA, ASUS et d'autres fabricants sur :

  • Du matériel d'évaluation pour les expériences présentées ici
  • Des tests indépendants, publiés avec leurs limites
  • Le développement multiplateforme, pour que le même logiciel tourne sur différents accélérateurs
  • Des résultats techniques reproductibles : configurations, scripts et résultats vérifiables par d'autres

Les résultats sont publiés sur cette page, quel que soit le fournisseur du matériel.