Union.ai nació del proyecto Flyte, el motor de flujos de trabajo de código abierto muy usado en pipelines de datos y machine learning, y conserva esa herencia en su diseño: escribes tareas y entornos de tarea normales en Python y el runtime se encarga de la planificación, la caché, los reintentos y el paso tipado de datos entre pasos. Lo que Union añade es la durabilidad: si una ejecución muere porque un nodo desaparece, se recupera una GPU, una API devuelve un 429 o salta un kill por falta de memoria, la ejecución se recupera y continúa desde el paso fallido en lugar de reiniciar el pipeline.
La plataforma actual se organiza en torno a varias capacidades. La fábrica de IA gestiona artefactos con nombre y versión para que un checkpoint o un conjunto de datos tenga productor y consumidores rastreables, algo clave para la reproducibilidad. Los agentes en producción permiten mantener el framework que ya usas, incluidos OpenAI, Claude, PydanticAI y CrewAI, haciendo cada turno del bucle duradero, trazado y aislado en un sandbox. La puerta de enlace de inferencia reúne APIs externas de modelos y endpoints autoalojados de vLLM, SGLang u Ollama tras una sola interfaz gobernada con claves virtuales, presupuestos y barreras de seguridad. Alrededor hay primitivas de planificación como colas con prioridad, límites de concurrencia, cuotas y selectores de clúster.
El despliegue es deliberadamente en tu propia nube. Union aloja el plano de control, que guarda referencias y metadatos en lugar de cargas útiles, mientras tus datos, modelos y cómputo permanecen dentro de tu propio perímetro, por lo que tus tarifas negociadas y créditos de nube siguen aplicándose. Union está disponible en AWS Marketplace y mediante registro autoservicio, con un servicio opcional de clústeres gestionados facturado por clúster.
