面对年轻一代不愿管理大型计算设备的现实,蓝色巨人决定运用“大盒脑子 ”维持模型运转。
IBM公司践行承诺,宣布将在即将到来的Z系列大型机操作系统z/OS的升级中注入AI驱动方案。

此番升级将使z/OS的版本号从2.5跃升至3.1。根据蓝色巨人的操作系统升级公告,“AI与分析解决方案……将被融入操作系统当中。”
这种注入似乎来自名为“IBM z/OS的AI系统服务”的产品,IBM称该产品将“支持AI生命周期中各个关键阶段,包括数据摄取、AI模型训练、推理、AI模型质量监控和再训练服务。”
该工具还承诺“部署预构建的AI模型,并将AI方法注入运营当中,这样用户将无需具备AI或者数据科学技能。”
它还将作为“IBM z/OS AI框架”的组成部分,此工具旨在帮助运行预构建的AI模型,通过改进IT流程并简化管理来协助完善z/OS自身。IBM相信,这将帮助用户获得显著的性能提升,同时降低对于熟练z/OS管理员的依赖。
z/OS 3.1的另一项附加功能也有类似的效果:据IBM介绍,这款z/OS管理工具(又名「z/OSMF」)将“帮助系统程序员更轻松地管理z/OS的日常操作。”
蓝色巨人也没有忘记添加一些非AI的内容,例如容器扩展;同时改进了对Red Hat OpenShift的支持,并可兼容NFS、HTTPS、IBM WebSphere Hybrid Edition和IBM Storage Fusion OpenShift共享持久存储。
数据集文件系统可以作为z/OS UNIX实用程序的全新物理文件系统,“以安全且一致的方式对数据进行透明访问。”新的联合文件系统(UFS)也是“专门为z/OS所构建”,“使用户能够获得一个或多个目录的合并视图,提供一种更加有效的文件管理机制。”
无论IBM多么喜欢把大型机宣传成超越竞争对手的弹性现代平台,我们都总能在关于大型机的讨论中发现遗留代码带来的种种疑难杂症。在z/OS 3.1中,IBM提到其“针对31位COBOL应用程序提供增强的COBOL-Java互操作性”,在扩展之后可使用IBM Semeru Runtime Certified Edition for z/OS的v11版调用64位Java程序。
安全增强功能则包括执行z/OS系统验证启动的能力,并可使用数字签名来验证系统未受篡改。
IBM甚至还推出了新的API,允许未命名的管理工具更轻松地获取运行时诊断数据。从这个角度看,此举应该代表着IBM也开始关注可测量性工具,希望让运行在大型机上的应用程序(蓝色巨人一直认为大型机是关键代码的最佳运行环境)也能趋于透明。
最后,各位存储管理员们欢呼吧!IBM终于注意到z/OS用户“正在将云对象存储整合到经典的磁盘加磁带环境当中,从而建立起混合存储架构。”为此,z/OS 3.1也做出了大量变更以轻松实现这一需求目标。
更新后的这款操作系统将于2023年9月29日首次亮相,将可运行在IBM Z14、15和16系统的所有机型之上。
蓝色巨人大约每两年对z/OS做一次更新,因此9月更新的消息意义重大。特别是对Z14的用户而言,IBM早在2021年就已经停止了该型号的销售,而且技术支持很可能在2027年或2028年结束。从这个角度看,z/OS 3.1很可能成为Z14系统最后几次宝贵的升级机会之一。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。