日前,青云科技(qingcloud.com,股票代码:688316)推出的云易捷超融合实现迭代升级,云易捷 v4.1 版本正式发布!新增混合架构资源池、VPC 网络、虚拟机多视图展示、启动节点安装进度等功能,并优化产品使用体验,提升产品运维效率。
在国产化的趋势下,越来越多的企业和单位面临着信创国产化的改造。那么必然面对一个难题:如何统一管理不同架构的资源?在此背景下,青云云易捷 v4.1 版本通过超融合软件构建一云多芯平台(x86+ARM),实现混合资源池,承载邮件系统、BI 系统、知识库等一般业务系统,以及 ERP、财务、订单系统等关键信创业务。
此外,该版本还增加 VPC 专属隔离网络、webhook 告警通知等功能。通过产品力的提升,青云云易捷完善了用户使用体验,帮助企业以超融合架构快速落地云计算战略。
一云多芯
功能说明:支持多架构型号的服务器融合部署,提供统一管理的资源池平台。在新建虚拟机时,可自行指定虚拟机运行的资源池类型。
青云云易捷资源池管理界面
应用场景:某客户有 3 台 x86 架构服务器和 3 台 ARM 架构服务器。现在期望在一套管理界面上,同时管理两种类型的资源池。使用青云云易捷,客户创建虚拟机资源时,能自主选择虚拟机运行的资源池类型,一套系统统一管理 6 台服务器,方便后期运维管理。
VPC网络
功能说明:支持 VPC 专属网络隔离,集群内的管理用户可以创建互相完全隔离的网络,以灵活的形式对外提供服务和互联,满足对网络安全的 100% 追求。类似物理世界中使用交换机将多台服务器连接在一起,组成的局域网。
青云云易捷 VPC 网络管理页面
应用场景:集群管理员在使用多台主机工作时,通常需要让不同功能的主机分布在不同的子网内,保证业务 100% 隔离要求。例如:Web 服务器和 DB 服务器因为访问要求的不同而被分配在不同的子网里,通过青云提供的私有网络,能轻松完成组网工作,即分别放置在不同的私有网络内。同时借助基础网络 IP 功能,可以打通私有网络与基础网络之间的业务访问。
Webhook 告警通知
功能说明:支持配置 webhook 后,集群内的告警信息可通过企业微信、飞书、钉钉等平台推送,规避邮件告警通知的单一性,以免漏掉关键的告警通知。
青云云易捷 webhook 配置页面
应用场景:集群运维管理人员无法及时查阅邮件内容时,可通过的企业微信、钉钉等 APP 设置告警推送,即时查看集群告警信息,方便随时随地了解集群运行情况。
为进一步提高运维人员部署及使用效率,青云云易捷 v4.1 新增启动节点安装进度条、部署日志详报及部分产品功能注释,方便使用人员能够快速排查集群错误,快速掌握不同的产品功能使用方式。
另外,云易捷本次升级优化了虚拟机管理,增加目录视图、监控视图不同角度的展示,简化用户的运维管理,可快速定位所需的虚拟机。并且在云易捷的应用商店内,新增“安全数据管理平台”,可一键部署数据定时备份软件,通过该管理软件将集群内的数据备份到集群外部,满足集群更多安全需求。
青云云易捷应用商店页面
青云云易捷 v4.1 发布后将作为所有新部署云易捷集群的默认版本,已部署的集群也支持在线升级。如您有替换或升级需求,请与销售代表联系。不断地迭代,使得青云云易捷超融合给客户带去更大的收益和价值,让客户具备自主可控上云的能力。作为新一代的云基础设施,青云云易捷超融合轻松构建新型数据中心、混合云、ROBO 远程分支,或实现 VMware 国产化替代,服务于客户数字化转型的多种场景,帮助企业降本增效。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。