Forrester Research近日发布了最新研究报告《Now Tech:Enterprise Container Platforms in China,Q2 2019》(以下简称“报告”),对企业级容器平台(ECP)市场进行全面评估,其中,青云QingCloud旗下企业级容器平台——KubeSphere获评“全栈容器平台”, 体现了第三方权威机构对KubeSphere全栈能力的认可。
《Now Tech:Enterprise Container Platforms in China》是全球权威的调研机构Forrester针对中国容器市场的跟踪研究,通过对国内主要容器平台供应商的持续调研,提供其服务及产品功能评估,并发布对市场发展趋势的分析洞察。报告将帮助致力于进行数字化转型的中国企业, 以Forrester权威调研体系提供其供应商的决策参考。
报告以国内容器平台供应商提供的服务/产品形态及能力,将其划分为:公有云容器平台(Public Cloud Container Platforms)、全栈容器平台(Full-Stack Container Platforms)及基础容器平台(Foundational Container Platforms)。其中,以KubeSphere为代表的全栈容器平台,提供覆盖广泛的原生架构支持及全功能容器平台能力,包括容器引擎、编排与调度、容器安全、应用生命周期管理、自服务交互界面等功能,不仅功能及服务组件更完善,更专业,而且囊括了DevOps、微服务治理和应用管理的能力,更加适合企业容器项目的建设。
KubeSphere是以Kubernetes为内核的企业级再造的商业容器平台,一方面,拥有Kubernetes集群管理的所有基本功能,提供多种经过社区众多开发者和厂商验证过的开源插件,支持多款存储和网络插件,以极简的使用体验满足用户日常使用;另一方面,KubeSphere依托青云QingCloud全栈云产品体系和生态实现性能最优,向下兼容青云QingCloud存储、网络以及负载均衡等产品,打造健壮的基础设施;向上赋予客户DevOps、微服务治理和应用管理的能力,针对客户需求进行性能优化,满足企业各种业务诉求。
早在2016年11月,青云QingCloud的技术架构便可以支持容器技术,用户可在基础计算资源上快速部署和管理Kubernetes集群;2017年7月,青云QingCloud推出基于Kubernetes的容器集群管理与编排应用,同年11月,正式推出Docker镜像仓库,并打造一站式容器服务平台;2018年7月,青云QingCloud正式推出KubeSphere容器平台,可降低用户使用容器调度平台学习成本,极大减轻开发、测试、运维等日常工作的复杂度;2019年4月,青云QingCloud发布KubeSphere容器平台高级版2.0,以全栈云能力助力企业一步跨入云原生时代。青云QingCloud对于容器技术的全面布局源自其对创新技术趋势的精准把握,对云计算未来的前瞻洞见。
作为青云QingCloud旗下面向未来的容器品牌,KubeSphere容器平台一经推出便广受好评,先后被信通院授予“2017-2018年度可信云技术创新奖”、被创业家&i黑马评为“2018企业服务产品TOP50”。此次,KubeSphere凭借其优秀的全栈能力又被Forrester报告评为“全栈容器平台”。KubeSphere容器平台的全栈能力源自青云QingCloud全栈云产品体系和生态,这也是对青云QingCloud全栈云能力的又一次诠释。此外,KubeSphere还是青云QingCloud开源战略的重要一环,青云QingCloud不断将技术沉淀与最佳实践贡献给开源世界。这不仅仅是对开源精神的认同,更是青云QingCloud对于容器及Kubernetes生态的贡献。
青云QingCloud CTO甘泉表示,容器是云原生时代的核心基础设施,全栈容器平台更加贴近企业客户的云原生转型需求,帮助企业快速构建云原生应用,实现微服务和DevOps落地,从而加快业务创新迭代。未来,青云QingCloud将会推出QKS(公有容器云服务)、容器一体机等多种容器服务交付与部署方案,以全栈云能力帮助企业享用“开箱即用”的容器服务,提升企业客户在数字化转型浪潮中的竞争力。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。