Red Hat AI 3.5: من تجارب الذكاء الاصطناعي إلى خدمة مؤسسية محكومة

أطلقت Red Hat إصدار Red Hat AI 3.5 بوصفه تحديثاً تشغيلياً لمنصات الذكاء الاصطناعي المؤسسية، لا مجرد إضافة نموذج جديد أو ميزة دردشة. الفكرة الأساسية هي مساعدة فرق المنصات على نقل مشاريع الذكاء الاصطناعي من مرحلة التجارب المحدودة إلى خدمات إنتاجية مشتركة ومحكومة: اختبار قبل النشر، وإدارة موارد الحوسبة المسرّعة، ومراقبة الخدمة بعد إطلاقها. وأعلنت الشركة الإصدار في 9 سبتمبر 2026، ثم أكدت في عرضها الدوري في 11 سبتمبر تركيزه على السلامة والتحكم التشغيلي وشفافية الأداء. 4315

EvalHub: اختبار الثقة قبل النشر

أبرز إضافة في الإصدار هي الإتاحة العامة لأداة EvalHub لتقييم النماذج ووكلاء الذكاء الاصطناعي. تدعم الأداة النماذج التي يجلبها العملاء أو يخصصونها، وتكوينات التوليد المعزز بالاسترجاع (RAG)، ووكلاء الذكاء الاصطناعي. ويمكن للفرق تنفيذ اختبارات سلامة تستهدف مخاطر مثل حقن الأوامر (prompt injection) ومحاولات تجاوز القيود (jailbreaks)، ثم إنشاء شهادات موجهة لمتطلبات الامتثال استناداً إلى النتائج. 13

هذه خطوة مهمة لأن نجاح النموذج في نموذج أولي لا يعني بالضرورة صلاحيته لسير عمل مؤسسي حساس. وبدلاً من أن تبني كل مجموعة تطبيقات آلية اختبار وتوثيق مستقلة، تستهدف EvalHub جعل التقييم مرحلة قابلة للتكرار قبل الإطلاق.

كما أضافت Red Hat أكثر من 20 نموذجاً إلى كتالوجها للنماذج المعتمدة، بما يشمل نماذج من Google وNVIDIA وAlibaba Cloud. ويعرض الكتالوج نتائج معيار Garak، إلى جانب مؤشرات لمخاطر السمية واحتمال كشف معلومات تعريف شخصية (PII)، لتوفير أدلة إضافية عند اختيار النموذج. 34

إدارة وحدات GPU المشتركة كخدمة

في التجارب الأولية، غالباً ما تُحجز البنية التحتية لفريق واحد أو تطبيق واحد. أما في الإنتاج، فتتنافس أحمال عمل متعددة على وحدات معالجة الرسوميات (GPU) المكلفة، مع اختلاف الأولويات والحاجة إلى توزيع واضح للتكلفة. لذلك يضيف Red Hat AI 3.5 جدولة وفق مبدأ الحصة العادلة، وخدمة تراعي الأولوية، وضبطاً لقبول الطلبات، وتوجيهاً للطلبات على أساس الأولوية في بيئات GPU المشتركة. 48

ويتضمن الإصدار أيضاً قياس استهلاك الرموز لكل مستخدم، ولوحات معلومات لصحة الاستدلال واستخدام GPU وأداء النموذج. والغاية هي تمكين مشغلي المنصة من معرفة الجهات المستهلكة للقدرة الحاسوبية، ورصد مشكلات تقديم النماذج، وربط التكلفة بالفرق أو الوحدات المستخدمة للخدمة. 414

وعلى مستوى العتاد، يوفر Red Hat AI Inference 3.5 صور استدلال محسّنة ومتاحة بشكل عام لـ NVIDIA CUDA وAMD ROCm وGoogle TPU وIntel Gaudi ومسرعات IBM Spyre. 35

أدوات RAG والوكلاء: توسع مفيد، لكن مع تنبيه مهم

يوسع الإصدار أدوات بناء التطبيقات المعتمدة على الاسترجاع والوكلاء. تضيف AutoRAG قدرات متعددة اللغات لمجموعات المستندات غير الإنجليزية أو المختلطة لغوياً، بما في ذلك اكتشاف اللغة، وتقطيع النص وفق اللغة، ونماذج تضمين متعددة اللغات ضمن خيارات التحسين. 1

وتصف Red Hat AutoRAG بأنها أداة لتقييم خطوط RAG وضبطها، مع الاسترجاع السياقي، والاختبار الحواري، والتصحيح البصري. لكن ينبغي الانتباه إلى أن AutoRAG لا تزال ضمن المعاينة التقنية (Technology Preview) وليست ميزة متاحة بشكل عام؛ لذلك ينبغي للفرق وضع هذه الحالة في الحسبان عند تحديد ما يصلح كأساس لخدمة إنتاجية. 13

ويتضمن الإصدار كذلك قوالب AI Hub كنقاط انطلاق لتدفقات عمل مثل مراجعة الشيفرة، ومعالجة المستندات، والبحث. 43

استدلال موزع خارج OpenShift

يوسع الإصدار خيارات نشر الاستدلال الموزع باستخدام llm-d على Kubernetes المُدار. وتحدد وثائق Red Hat كلاً من Azure Kubernetes Service (AKS) وCoreWeave Kubernetes Service (CKS) وAmazon EKS كمنصات مستهدفة، مع Kubernetes 1.33 أو أحدث وعُقد GPU مُجهزة ضمن المتطلبات. 37

لكن مستوى الدعم ليس متساوياً على هذه المنصات. فالوثائق تصف الاستدلال الموزع عبر llm-d على Amazon EKS بأنه معاينة تقنية، من دون اتفاقية مستوى خدمة للإنتاج، ولا توصي Red Hat باستخدامه في بيئات الإنتاج. وفي المقابل، تسلط وثائق Red Hat AI Inference الضوء على مسارات النشر الخاصة بـ Azure وCoreWeave Kubernetes Service باعتبارها مسارات الدعم ذات الصلة في هذا الإصدار. 3940

ما الذي يتغير عملياً لفرق المؤسسات؟

يجمع Red Hat AI 3.5 في اتجاه منصة واحد أربع مهام تكون منفصلة غالباً في مشاريع الذكاء الاصطناعي التجريبية:

1. الثقة قبل الإطلاق: تقييم النماذج المخصصة، وخطوط RAG، والوكلاء لمخاطر السلامة، وإنتاج مخرجات قابلة للتدقيق. 13
2. التحكم أثناء التشغيل: توزيع موارد GPU المشتركة عبر سياسات العدالة والأولوية، مع قياس استهلاك الرموز. 4
3. الرؤية التشغيلية: الاستعانة بلوحات الاستدلال واستخدام الموارد وأداء النماذج لإدارة الخدمة بعد نشرها. 14
4. قابلية النقل عبر البنية التحتية: تشغيل استدلال محسّن على عدة منظومات للمسرّعات، ونشر الاستدلال الموزع على بيئات Kubernetes المدعومة. 3540

وبذلك تضع Red Hat هذه الإمكانات كأساس تشغيلي لذكاء اصطناعي يعمل عبر بيئات هجينة، ويُدار كبنية مؤسسية مشتركة بدلاً من أن يبقى مجموعة من التجارب المنفصلة. 43

مبادرة Lightwell: مرتبطة بالثقة، لكنها ليست ميزة في AI 3.5

ضمن استراتيجية IBM وRed Hat الأوسع، توجد Lightwell، وهي مبادرة مشتركة منفصلة لمعالجة تبعيات البرمجيات مفتوحة المصدر التابعة لجهات خارجية عندما تكون عرضة للثغرات. وفي سبتمبر، أعلنت LTM تعاونها مع IBM وRed Hat حول Lightwell لإصلاح الثغرات بمساعدة الذكاء الاصطناعي. لا تُعد هذه المبادرة ميزة ضمن Red Hat AI 3.5، إذ تركز على أمن سلسلة توريد البرمجيات، لكنها تعكس اهتمام الشركات بالتحقق وتقليل المخاطر التشغيلية. 2425

الخلاصة

الوعد الرئيسي في Red Hat AI 3.5 تشغيلي: منح فرق المنصات أدوات لاختبار الذكاء الاصطناعي قبل النشر، وحوكمة البنية المسرّعة المشتركة، ومراقبة تقديم النماذج عبر البيئات الهجينة. وتأتي الإتاحة العامة لـ EvalHub في قلب هذا التحديث، بينما تعالج جدولة GPU وقياس الاستهلاك وقابلية المراقبة متطلبات التشغيل اليومية التي تتجاوز عادة نطاق المشاريع التجريبية. لكن توفر الميزات يختلف: فما زالت AutoRAG والاستدلال الموزع على EKS ضمن المعاينة التقنية. 1339