Linux大型机价格高昂,袖珍设备也许可以满足需求。
IBM发布LinuxONE企业级Linux家族的又一位新成员,希望有在中小型企业市场上得到认可,但13.5万美元的价格恐怕仍然超出多数买家的心理承受能力。
LinuxONE系统采用与IBM z16大型机系列相同的Telum处理器,只是体量更小且仅运行Linux。蓝色巨人去年还推出了Rockhopper 4系列,采用标准机架式托盘以降低与其他基础设施的集成门槛。
LinuxONE 4 Epxress也延续了这一设计思路,但IBM强调这款新品是为了将LinuxONE的企业级功能推广至中小型企业及更多数据中心环境。
这款新品的起售价格为13.5万美元,着实令人难以理解。而且这还只包含基础硬件配置,不涉及附加项目、维护、操作系统及其他软件。
根据相关介绍,LinuxONE系统强调高可用性,旨在满足客户对于关键工作负载的严苛弹性需求。IBM表示LinuxONE 4 Express系统能够提供99.999999%(八个九)可用性,意味着年均宕机时间不到1秒。
由于Telum处理器还搭载用于AI推理的片上加速器,因此IBM肯定会推出相应的AI新功能与混合云选项。
IBM Z与LinuxONE产品线管理副总裁Tina Tarquinio在一份声明中指出,“凭借最新的LinuxONE 4系统,IBM将混合云与AI的强大功能整合成单一且简单易用的形式,适用于各类数据中心场景。”
她还补充称,随着业务规模的增长,LinuxONE 4 Express还可进行扩展,满足不断增长的工作负载与性能要求。此外,这款新产品还能为不断增长的AI用例提供关键任务数据与AI推理支持。
根据IBM公布的规格表,LinuxONE 4 Express提供的单一处理器托架最多可容纳16个可配置核心,内存容量最高为1 TB;相比之下,Rockhopper系统可支持2 TB内存、多架式Emperor 4则可支持4 TB,这也让LinuxONE 4 Express成为家族当中最袖珍的一套系统。
IBM支持的Linux发行版则包括Canonical、Red Hat以及SUSE。
作为IBM的忠诚客户,伦敦大学学院专门表扬了这套新系统的优点,言语中也暗示了该设备的目标部署环境。
伦敦大学学院计算研究主任Owain Kenway博士表示,“我们高兴地看到LinuxONE 4 Express能够支持高I/O工作负载,例如下一代生物科学测序;同时支持可信研究环境(TRE)中的各类负载,例如在医疗数据之上运行的AI负载。”
他还补充道,“该系统的高性能与可扩展性,能够满足我们的关键研究需求;其经济优势也让我们能够将这套测试平台提供给高校研究及行业内的其他参与者。”
蓝色巨人强调的另一大卖点,就是允许将数据库整合进LinuxONE系统以简化IT环境并降低成本。该公司解释称,将Linux工作负载从x86服务器迁移至IBM LinuxONE 4 Express,能够在五年之内帮助客户节约超过52%的总体拥有成本。
IBM LinuxONE 4 Express将于今年2月20日起通过IBM及其认证业务合作伙伴正式发售。
好文章,需要你的鼓励
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。
这项研究提出了"思想家"(Thinker)任务,一种受人类双重加工理论启发的新型AI训练方法。研究者将问答过程分解为四个阶段:快速思考(严格预算下给出初步答案)、验证(评估初步答案)、慢速思考(深入分析修正错误)和总结(提炼关键步骤)。实验表明,该方法使Qwen2.5-1.5B模型的准确率从24.9%提升至27.9%,DeepSeek-R1-Qwen-1.5B模型从45.9%提升至49.8%。显著的是,仅使用快速思考模式就能达到26.8%的准确率,且消耗更少计算资源,证明了直觉与深度推理作为互补系统的培养价值。
这项由ELLIS研究所和马克斯·普朗克智能系统研究所的科学家进行的研究,揭示了大语言模型安全测试的根本规律:越狱攻击成功率由攻击者与目标模型间的能力差距决定。通过评估500多个攻击者-目标组合,研究团队发现:更强的模型是更好的攻击者;当目标能力超过攻击者时攻击成功率急剧下降;社会科学能力比STEM知识更能预测攻击成功。基于这些发现,研究者建立了预测模型,表明随着AI进步,人类红队测试可能逐渐失效,提示需要发展自动化安全评估方法及更全面地评估模型的说服和操纵能力。
华中科技大学和香港中文大学研究团队提出SATORI-R1,一种通过空间定位和可验证奖励增强多模态推理的新方法。该方法将视觉问答任务分解为图像描述、区域定位和答案预测三个可验证阶段,解决了自由形式推理中注意力分散和训练收敛慢的问题。实验证明,SATORI-R1在七个视觉问答基准上一致提升性能,最高达15.7%,并展示出更聚焦的视觉注意力和更低的训练方差。