用途：在分布式 E2B 沙箱环境中部署、训练和管理神经网络，可自定义模型架构，也可使用模板市场中的预训练模型。
主要能力：
- 单节点训练，支持 feedforward、lstm、gan、autoencoder、transformer 架构，训练档位分为 nano、mini、small、medium、large。
- 模型推理，通过 neural_predict 对已训练模型运行预测。
- 模板市场，可按分类（classification、timeseries、regression、nlp、vision、anomaly、generative）和 tier（free/paid）浏览、部署模板。
- 分布式训练集群，支持 mesh、ring、star、hierarchical 拓扑，可部署 parameter_server、worker、aggregator 节点，并支持联邦学习。
- 模型管理，包括列出模型、查看训练状态、性能基准测试、验证工作流。
- 发布与市场，可将模型发布为模板并评分。
使用方式：先添加 MCP 服务器并注册登录： claude mcp add flow-nexus npx flow-nexus@latest mcp start npx flow-nexus@latest register npx flow-nexus@latest login 随后通过 mcp__flow-nexus__ 系列工具调用训练、推理、集群等操作。分布式训练需要认证。
适用场景：图像分类、NLP 情感分析、时间序列预测、隐私敏感的联邦学习等。
限制：资料未提供具体收费价格、性能保证或平台兼容性细节；分布式训练需注册认证。