云版vSphere+能够管理多个本地环境,但暂时还无法管理VMware支持的公有云
VMware日前透露关于其Arctic项目的最新消息。作为去年年底刚刚亮相的vSphere即服务产品,虚拟巨头对其具体价格一直避而不谈。
VMware的基本思路很简单:组织可能需要在多个位置上运行其vSphere入VSAN产品实例。这就给集中管理带来了很大挑战。
而vSphere+和VSAN+能够运行在云端,负责控制vSphere或VSAN的多个本地实例。为此,用户需要先使用Cloud Gateway将vSphere实例接入Cloud Console云控制台。
VMware公司在接受邮件采访时回复称,“Cloud Console能够跨各类连接为vCenter环境提供可见性与集中管理功能,包括vCenter生命周期管理、配置漂移修复、全局库存监控、警报和安全检查等。”
“客户还可以通过Cloud Console,将虚拟机配置到任意vSphere集群当中。”
如果客户希望不借助Cloud Console就管理vCenter,也完全没有问题。
这些服务并非单以虚拟机为中心,客户可以随意利用VMware的Tanzu产品组合交付容器化应用程序。另外,VMware还提到,Cloud Console甚至能够帮助DevOps团队无视运营类型,自主推出基础设施。
vSphere+与VSAN+还可以将VMware辅助云服务(目前提供灾难恢复、勒索软件保护和生命周期管理等选项)应用到本地vSphere和VSAN,而且无需对本地主机上的负载做出任何修改。
生命周期管理之所以能成为一大核心卖点,原因在于VMware开始全面加快vSphere的开发步伐。目前vSphere以多云形式每季度进行一波更新,但未来将按功能转为持续更新。
但Cloud Console尚无法管理运行在公有云中的vSphere实例。鉴于VMware一直强调跨多种环境的混合云业务,这一能力缺失确实让人难以理解。
但与公有云的集成已经被纳入vSphere+发展路线图,图中还包含VMware的核心软件定义数据中心产品,例如NSX。据称更多云服务也在同步开发当中。
另外,服务价格也一直是个谜。VMware在邮件采访中指出,最终价值要到“vSphere+和VSAN+在今年第二财季(2022年7月29日)结束后正式上线时,才会公开。”
虚拟巨头还提到,该服务将以订阅方式销售,因为这样更符合客户将僵化资本支出转换为灵活运营支出的习惯。另外,订阅模式还意味着vSphere的采购模式将与公有云服务更加接近,客户承诺使用越久、得到的交易折扣就越可观。
vSphere+看似是对vSphere的“加盖”,所以可能要额外收取费用。事实上,VMware自己也一直在强调希望转向订阅销售,并大谈由此给财务状况和未来发展带来的积极影响。不仅如此,即将成为VMware东家的博通也已经将“快速转向订阅模式”立为收入增加计划的关键一环。
所以,虽然Arctic项目确实亮点颇多,但目前还很难判断其能不能带来良好的价值回馈。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。