Kaggle

Google 旗下的 AI / 数据科学实践平台，提供竞赛、数据集、云端 Notebook 与免费 GPU/TPU 额度，可用于机器学习实验和开放权重大模型推理。

#type / resource #status / growing #tech / ai #media / website #interface / web

[!info] related notes

Kaggle

这是什么

Kaggle 是 Google 旗下的 AI / 机器学习与数据科学实践平台。它把数据集、模型、竞赛、在线 Notebook、课程和 Benchmark 放在同一个社区中，让用户可以直接在浏览器里运行代码和复现实验，而不必先准备本地高性能机器。

它不是“免费 GPT 网站”。Kaggle 提供的是计算环境和算力；用户可以在 Notebook 里自行下载并运行 PyTorch、TensorFlow、llama.cpp、Qwen、Llama 等工具或开放权重模型。

它解决什么问题

Kaggle 的核心价值是降低机器学习实践门槛：

  • 没有本地 NVIDIA 显卡，也可以使用云端 GPU / TPU 做实验。
  • 可以直接使用公开数据集、模型和其他人的 Notebook，方便学习与复现。
  • 可以参加机器学习竞赛，用统一数据与评分规则比较方案。
  • 可以把 Notebook 作为临时的 AI / 数据科学实验环境，而不必自己购买和维护 GPU 服务器。

因此它既是数据科学社区，也是一个带免费计算资源的在线实验平台。

免费算力福利

Kaggle Notebook 会向符合条件的用户提供免费 GPU / TPU 资源。免费资源不是永久独占服务器，而是共享资源池中的限额使用权。

截至 2026-08，Kaggle 官方文档说明：

  • GPU 周额度通常约为 30 小时，有时会根据资源供应情况更高。
  • Notebook 的 GPU 资源可能包含 NVIDIA T4；平台上也可见使用 T4 x2 的 Notebook 环境。
  • GPU 资源可能需要排队，规格和可用性也可能调整。
  • 免费 Notebook 有单次运行时间、存储和会话生命周期等限制。

因此，更适合把 Kaggle 理解为“按周领取的一部分免费云 GPU”，而不是稳定在线的 GPU VPS。

[!warning] 免费额度和硬件策略可能变化。实际使用前应以 Kaggle 官方 Notebook / GPU 文档和当前账户页面为准。

为什么 Kaggle 愿意免费提供 GPU

免费 GPU 是 Kaggle 降低 AI / 数据科学参与门槛的一部分。许多学生、研究人员和开发者没有本地高端显卡；提供受限的免费算力可以让更多人参加竞赛、学习课程、分享 Notebook、使用数据集和模型，从而扩大 Kaggle 的开发者与机器学习社区。

这种模式与 Google Colab 类似：平台提供有限、共享、可回收的免费计算资源，用户获得实验机会，平台获得社区活跃度、内容和开发者生态。

社区案例：2×T4 跑 Qwen3.8-27B

2026-08 的 Linux.do 社区出现了一个 Kaggle Notebook 羊毛案例：使用 Kaggle 的 2× NVIDIA T4，通过 llama.cpp 运行 Qwen3.8-27B-Q5_K_M.gguf，社区作者报告生成速度约 10 tokens/s。

这个案例的意义不是 Kaggle “送 GPT”，而是：

  1. Qwen 等开放权重模型本身可以下载。
  2. Kaggle 免费提供一段时间的 GPU 环境。
  3. 把免费模型和免费 GPU 组合起来，就可以零硬件成本体验 20GB 级量化大模型。

[!note] “约 10 tokens/s”是特定 Notebook、模型量化和配置下的社区实测，不是 Kaggle 官方性能承诺。不同上下文长度、GPU 分配、llama.cpp 版本和参数都会影响速度。

案例来源：

  • Linux.do：https://linux.do/t/topic/2761022
  • Kaggle Notebook：https://www.kaggle.com/code/mikeee8/llama-cpp-qwen3-8-27b-share

适合哪些场景

Kaggle 免费 GPU 特别适合：

  • 体验开放权重大模型，例如 Qwen、Llama 等。
  • 做一次性 benchmark、量化模型测试和推理实验。
  • 学习 PyTorch、TensorFlow、数据分析和机器学习。
  • 跑短期数据处理、训练或离线 Agent 任务。
  • 在购买显卡或租 GPU 云服务器之前，先验证模型速度和显存需求。

局限与选择边界

Kaggle 不适合作为稳定生产服务器：

  • GPU 有周额度，不能持续 24×7 使用。
  • Notebook 会话会结束，不能假设进程永久存在。
  • 免费 GPU 类型和可用性不是固定 SLA。
  • 存储、网络和对外服务能力受 Notebook 平台约束。
  • 大模型权重虽然能放入显存，但上下文、KV cache 和运行缓冲区仍会额外占用显存。

如果目标是长期 API、稳定公网服务或持续 Agent 后端，应改用本地 GPU、专用云 GPU 或正式推理平台；Kaggle 更适合学习、验证和短期实验。

记忆要点

Kaggle 的“羊毛”本质不是免费 GPT，而是 Google 免费借出一部分受限的云端 GPU / TPU 算力。开放权重模型 + Kaggle 免费算力，才组合成了“免费运行大模型”的体验。

创建于 2026/8/16 更新于 2026/8/16