VMware今天上午宣布收购了开发者生态系统中一家知名公司Bitnami,后者提供了主流开源应用的即用型版本。
这次交易的条款尚未披露。总部位于旧金山的Bitnami已经实现盈利,并且从Y Combinator等投资方那里筹集了110万美元的外部资金。
Bitnami提供的是一个免费的开源应用库,每个应用都经过工程师的优化,可以处理多种类型的基础设施。开发者可以在笔记本电脑、主流公有云、企业内部服务器或者混合环境中快速部署这些应用。Bitnami目录中的一些应用如WordPress也捆绑了其他组件。
Bitnami表示,到目前为止已经有数百万个开发项目采用了自己预先打包的软件。Bitnami主要通过Bitnami Enterprise Catalog盈利,这是Bitnami应用库的商业版本,增加了漏洞扫描和自动更新等功能。Bitnami另一款名为Stacksmith的产品可以用于创建自定义应用包。
Bitnami公司首席运营官Erica Brescia解释说,该产品“让企业IT部门可以打包自己的应用,针对云和云原生平台以及企业[数据中心]运行的任何内容”。
Bitnami专注于简化多云环境中的应用交付,这与VMware的战略是一致的。目前Bitnami已经在AWS上提供自己的本地基础设施管理工具,上个月还透露了将把这些工具带入微软Azure云中的计划。
收购Bitnami将让VMware能够向堆栈上端移动,在客户应用环境中发挥更大的作用。 VMware高管Milin Desai和Paul Fazzone在一篇博客文章中这样写道:“我们的目标是通过提供简化的方式来利用开源软件应用和框架加速应用‘构建者之旅’。”
Barclays Capital分析师Raimo Lenschow在给客户的一份报告中这样写道:“我们预计VMware会在收购之后继续保持Bitnami在所有堆栈和公有云中的中立定位。”
VMware将在收购完成之后为开发人员提供Bitnami应用的免费版本。Desi和Fazzone强调,目录中的解决方案将在目前所有支持平台上继续提供。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。