浏览器运行GPU训练任务
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
TrainShell 是 Grid Heap, Inc. 推出的 GPU Training Workbench，定位为“terminal-native AI workbench”。它不是把开发流程改造成聊天界面，而是将浏览器终端、tmux 会话、主机状态、加密 vault、datasets、recipes 与 outputs 放在同一个工作区中，用于连接云 GPU 或私有 Linux 主机并运行 Codex、Claude Code、OpenCode 和长任务。
其核心价值在于 BYO host fleet：可接入 Vast.ai、RunPod、私有 EC2、Colab、Codespaces 或任意 Linux 机器，不强制迁移到单独托管运行时。工作台支持浏览器终端、共享终端查看、主机指标与连接状态；Pro 以上提供 recipe workspace、旁路编辑器、datasets/artifacts tracking、run state/result review 和可复现实验元数据。密钥方面，页面强调浏览器本地解锁、验证主机身份后再注入 tmux，适合重视远程训练凭据管理的用户。
Starter 免费，适合首个主机和基本浏览器终端；Pro 年付折合 7 美元/月或月付 10 美元，含 30 天试用并解锁训练工作台；Team 同价按席位计费，增加共享主机、合并账单、onboarding、安全审查讨论等。需要注意，GPU provider、云主机、AI provider 等费用不包含。生态上已明确覆盖 Vast.ai、RunPod、AWS EC2、Colab、Codespaces、Hugging Face，以及 Codex/Claude Code/OpenCode。
优点是终端原生、学习成本低，适合已有 SSH/tmux/CLI 习惯的工程师；同时避免将训练流程锁进某一平台。价格结构也比较直观。短板是抓取文本未说明是否开源，也没有 TrainShell 自托管方案；API 仅在条款中被提及，缺少具体文档信息；支付渠道只说以账户启用的 provider 为准。
它适合个人 AI 工程师、小团队、需要频繁连接云 GPU 或私有机器做训练与 Agent 编程的用户。中国访问情况正文未提供，且其依赖 RunPod、Vast、Colab、Codespaces、AI Provider 等外部服务，实际网络、支付和合规可用性需逐项验证。替代方案包括 VS Code Remote、原生 SSH/tmux、JupyterLab、Codespaces 或各 GPU 平台自带控制台。
本测评基于公开资料整理,不构成购买建议,请以 train.sh 官网实际信息为准。
适合远程GPU与AI Agent开发，国内访问视网络而定。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。