本周二开始，GitLab、Gitee、Bitbucket和GitHub相继调整了免费层与团队版的带宽策略。表面看是“反滥用”，实际在AI词元服务器大量拉取模型权重、数据集和容器镜像的场景下，影响远超预期。我们搭建了四个典型环境：一台IDC托管服务器、两台AI词元推理节点、一个持续训练集群，分别对接上述平台，连续跑72小时。
GitLab本周把免费账户的CI/CD分钟数和拉取带宽做了“动态折算”——同样是拉取10GB模型文件，在高峰期速率被压到不足15Mbps。优点是触发限速前没有硬断连，网络软件栈对重试友好；缺点是对AI训练场景极其不友好，词元服务器预加载阶段延迟从40秒飙到近4分钟。适合个人开发者和小型软件项目，不适合周级持续训练。
Gitee的动作更隐蔽：带宽没变，但IDC行业常见的“跨网中转”开始计费。实测用华东节点拉取仓库，速度稳定在80Mbps，但一旦经过华南中转，速率掉到20Mbps且延迟抖动增加。优点是国内AI词元服务器直连体验好，网络软件兼容性佳；缺点是跨区域协作成本明显上升。适合国内中小团队，不适合多地域部署。
Bitbucket本周对“大文件存储+带宽”打包限流。实测AI词元服务器通过LFS拉取20GB权重文件时，前5GB速度正常，之后直接限到5Mbps。优点是限流阈值透明，API能查到剩余配额；缺点是突发训练任务几乎无法完成。适合轻量代码托管，重度AI训练请绕道。
GitHub相对克制，本周只是把Actions的缓存带宽做了QoS分级。实测词元服务器拉取release附件，稳定在120Mbps以上；但通过自建网络软件做代理时，晚高峰会被识别为“非交互流量”而降速。优点是生态最全，IDC行业适配方案多；缺点是自建中转有政策风险。适合有海外节点的团队，纯国内IDC用户需谨慎。
综合来看，本周政策变化的核心矛盾是：代码托管平台在防滥用，而AI词元服务器和IDC行业需要的是稳定大带宽。选型建议——国内训练优先Gitee直连+本地缓存，海外训练用GitHub+专线，GitLab和Bitbucket仅作代码备份。别让你的模型卡在拉取权重的那一步。
0 留言