Esta semana, el equipo de IA de Google lanzó la CLI de Colab. La herramienta conecta su terminal local a tiempos de ejecución remotos de Colab. Permite a los desarrolladores y agentes de IA ejecutar código en GPU y TPU en la nube. Permaneces en tu terminal todo el tiempo. La CLI es de código abierto bajo la licencia Apache 2.0.
¿Qué es la CLI de Google Colab?
Colab CLI es una interfaz de línea de comandos para Google Colab. Puede crear sesiones, ejecutar código y administrar archivos desde la terminal.
Cualquier agente con acceso a la terminal puede llamar a la herramienta. Eso incluye Claude Code, Codex y Antigravity de Google. Google envía un archivo de habilidades preempaquetado llamado COLAB_SKILL.md. Proporciona a los agentes un contexto integrado sobre cómo utilizar la CLI.
La instalación utiliza un único comando de instalación de la herramienta uv desde el repositorio de GitHub.
Una sesión mínima se ve así:
Cómo funcionan los comandos
La CLI agrupa los comandos en sesiones, ejecución, archivos y automatización. colab new aprovisiona una sesión, con la CPU como valor predeterminado. Agregue –gpu T4, –gpu L4, –gpu A100 o –gpu H100 para una GPU. Las opciones de TPU son v5e1 y v6e1.
colab exec ejecuta Python desde stdin, un archivo .py o un cuaderno. El ejecutivo lee archivos localmente y envía su contenido. Por lo tanto, las ediciones locales no necesitan un paso de carga por separado. colab stop finaliza la sesión y libera la VM.
Otros comandos cubren archivos y autenticación. La carga y descarga de colab mueven archivos entre local y remoto. colab drivemount monta Google Drive, de forma predeterminada /content/drive. colab auth autentica la VM para los servicios de Google Cloud.
Ejecutivo de colab y recuperación de artefactos: The Core Loop
El bucle central es corto. Usted aprovisiona un tiempo de ejecución, ejecuta un script y luego recupera los resultados. La descarga de colab recupera modelos, conjuntos de datos y otros archivos. colab log exporta el historial de sesiones como .ipynb, .md, .txt o .jsonl.
Entonces, una ejecución remota se convierte en un cuaderno reproducible en su disco. colab repl y colab console brindan acceso interactivo a la VM. colab install agrega paquetes con uv, recurriendo a pip. Los metadatos de la sesión se almacenan en ~/.config/colab-cli/sessions.json.
Ejemplo: Ajuste fino de Gemma 3 1B
El lanzamiento oficial de Google demuestra un trabajo de ajuste impulsado por agentes. La tarea ajusta google/gemma-3-1b-it usando QLoRA. Se entrena en un conjunto de datos de texto a SQL para mejorar la generación de SQL. El agente Antigravity ejecuta todo el proceso con cinco comandos.
Luego, el agente descarga el modelo del adaptador, la configuración del adaptador, la configuración del tokenizador y el tokenizador. Puede cargar y servir el modelo ajustado localmente. El usuario no escribió ningún comando de aprovisionamiento manual de la nube.
Casos de uso
Descargue el entrenamiento vinculado a una computadora portátil a una GPU o TPU remota sin salir del terminal. Permita que agentes como Claude Code, Codex o Antigravity ejecuten procesos de aprendizaje automático de un extremo a otro. Ajuste modelos pequeños, como Gemma 3 1B, con QLoRA de forma remota. Ejecución de scripts del cuaderno y exportación de registros .ipynb reproducibles para mayor reproducibilidad. Depure de forma interactiva en la máquina virtual a través de colab repl o colab console.
Colab CLI frente a Colab basado en navegador
La CLI no reemplaza la interfaz de usuario del portátil. En su lugar, se dirige al trabajo programado, automatizado y dirigido por agentes. A continuación se muestra cómo se comparan los dos flujos de trabajo en tareas comunes.
Fortalezas y consideraciones
Fortalezas:
El flujo de trabajo nativo de la terminal se adapta a scripts, CI y bucles de agentes. Un comando aprovisiona GPU T4, L4, A100 o H100. exec envía el contenido del archivo local, por lo que no es necesario ningún paso de carga. Los registros se exportan a formatos de cuaderno reproducibles para mayor reproducibilidad. Código abierto bajo Apache 2.0, con un archivo de habilidades de agente incluido. Funciona con múltiples agentes, no con la herramienta de un solo proveedor.
Consideraciones:
El acceso requiere autenticación; la estrategia predeterminada es oauth2. repl y la consola necesitan un TTY cuando se ejecutan de forma interactiva. Pipe stdin para usar esos dos comandos dentro de los scripts. La computación todavía se ejecuta en el backend de Colab y su modelo de tiempo de ejecución.
Conclusiones clave
La CLI de Colab de Google ejecuta código en GPU y TPU de Colab remotas desde su terminal local. Un comando proporciona aceleradores: colab new –gpu T4 hasta A100 y H100, además de TPU. colab exec envía archivos .py y .ipynb locales al tiempo de ejecución sin un paso de carga. Cualquier agente terminal (Claude Code, Codex, Antigravity) puede controlarlo a través de un COLAB_SKILL.md incluido. Es de código abierto bajo Apache 2.0 y el registro de colab exporta registros de portátiles reproducibles.
Explicador visual de Marktechpost
CLI de Google Colab: guía de terminales
1/8
Marktechpost: cobertura profesional de IA y aprendizaje automático, sin exageraciones.
Fuente: Marktechpost.com
Consulte los detalles técnicos y el repositorio de GitHub aquí. Además, no dude en seguirnos en Twitter y no olvide unirse a nuestro SubReddit de más de 150.000 ML y suscribirse a nuestro boletín. ¡Esperar! estas en telegrama? Ahora también puedes unirte a nosotros en Telegram.
¿Necesita asociarse con nosotros para promocionar su repositorio de GitHub O su página principal de Hugging O su lanzamiento de producto O seminario web, etc.? Conéctate con nosotros