新推出的XC Plus适用于那些希望在Nutanix HCI环境中使用戴尔存储的客户,与此同时,Dell PowerFlex with Nutanix Cloud Platform以Nutanix Acropolis on Dell PowerFlex的形式为客户提供了vSphere替代方案。
戴尔基础设施解决方案集团、主要存储产品组合副总裁Drew Schulke表示:“我们的合作伙伴现在能够围绕虚拟机管理程序策略与客户展开更全面的对话,如果他们专注于HCI运营模式,那么XC Plus产品可以满足他们的需求。对于那些正在寻找能够更好地支持PowerFlex虚拟化和非虚拟化工作负载的客户来说,Acropolis非常适合他们。”
对于总部位于美国加利福尼亚州圣何塞的Nutanix来说,它不仅使用了戴尔市场领先的存储硬件,而且还有戴尔市场领先的存储销售团队来推动收入和服务。
Schulke表示:“戴尔将在销售、支持、交易和服务方面占据端到端的领先地位。对于戴尔的渠道合作伙伴来说,这是一个巨大的进展,因为现在他们可以通过戴尔端到端地提供解决方案,和客户进行交易,这都是围绕XC Plus展开的。”
总部位于美国纽约州纳纽埃特的VirtuIT公司是戴尔的白金合作伙伴,同时也是Nutanix的合作伙伴,该公司首席技术官Josh Lee表示,戴尔不断扩大的可选性对于他们的客户来说,是一种巨大的胜利。
“戴尔在销售和支持专用HCI设备方面拥有良好的记录,而且戴尔现在通过Azure Stack HCI与微软和Red Hat进行了集成,通过VXRail与博通进行了集成,这为VirtuIT公司的客户提供了多种选择,让他们可以选择如何利用市场上最好的硬件实现多云和混合云愿景。本周,我们将与销售地区的戴尔领导层进行会面,讨论战略,以及面向共同客户和潜在客户的入市战略。”
Schulke表示,由于这是一项存储交易,因此XC以及将于今年晚些时候发布的Dell PowerFlex with Nutanix Cloud Foundations都将提供Partner First For Storage奖励,这意味着戴尔的内部销售代表将向客户、潜在客户和渠道推销Nutanix产品。
“绝对如此,100%的,”Schulke表示。“我们上周开始接受订单,正在积极支持和销售XC Plus。”
戴尔之前通过一项为期五年的协议框架中的几项合作关系为VMware带来了40%的收入。然而,今年二月戴尔提前两年结束了这种合作关系,原因是博通收购了VMware。
Nutanix产品副总裁Ketan Shah表示,Nutanix非常高兴能够接触到戴尔的客户。
“戴尔显然拥有丰富的入市资源和强大的渠道,我们感到非常兴奋。”
在存储方面,据IDC分享的最新数据显示,戴尔在外部RAID企业存储领域位列第一,占有24.8%的市场份额,戴尔在高端RAID存储领域位列第一,占有34.9%的市场份额,同时戴尔也占领了中端RAID存储市场,拥有25%的市场份额。在存储软件领域,戴尔位列第一,占有9.6%的市场份额,在融合系统领域戴尔位列第一,占有53.1%的市场份额,在超融合系统领域戴尔位列第一,占有33%的市场份额,在专用备份设备领域戴尔位列第一,占有41.2%的市场份额。
Schulke表示,通过与PowerFlex合作,客户可以独立增加计算和存储以满足需求,并通过虚拟化环境和容器化应用的自助服务和自动化功能简化DevOps。
Shulke表示:“我们非常兴奋,在Nutanix支持外部存储产品方面可以与之合作的所有厂商之中,我们能够率先使用PowerFlex。”
Schulke表示,客户之所以选择PowerFlex,是因为它在所有指标上都具有可扩展性,无论是IOP、吞吐量还是延迟,PowerFlex都会随着客户的扩展而变得更好。
“因此,如果你想要更多的应用性能,你可以添加更多的计算节点。如果你想要更多的容量,你可以添加更多的存储节点。它是非常非常高效的。所有这些都发生在一个可以提供极高性能的框架内。”
Shah表示,将PowerFlex添加到Nutanix云平台,满足了一些最大型的企业客户和潜在客户对环境的要求。
“这是一件大事,这是同类产品中的首例。这是Nutanix首次支持外部存储。客户选择一直是我们的主要原则之一,这是大客户和潜在客户所要求的。”
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。