RespuestasPublicado24 fuentes
Red Hat AI 3.5 apuesta por una IA gobernada en producción
EvalHub ya está disponible de forma general para evaluar modelos propios, configuraciones RAG y agentes antes de desplegarlos, con pruebas de seguridad e informes orientados al cumplimiento. Red Hat AI 3.5 añade políticas para compartir GPU, medición de tokens por usuario y paneles para vigilar la salud de la infere...
Publicado porEditado con GPT-5.6 TerraImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- EvalHub ya está disponible de forma general para evaluar modelos propios, configuraciones RAG y agentes antes de desplegarlos, con pruebas de seguridad e informes orientados al cumplimiento.
- Red Hat AI 3.5 añade políticas para compartir GPU, medición de tokens por usuario y paneles para vigilar la salud de la inferencia, el uso de GPU y el rendimiento de los modelos.
- No todas las funciones tienen el mismo nivel de disponibilidad: AutoRAG y la inferencia distribuida con llm d en Amazon EKS continúan como Technology Preview.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Red Hat announce with the general availability of Red Hat AI 3.5 on September 11, 2026, and how does the release—including its inte. Article summary: Red Hat announced the general availability of Red Hat AI 3.5 as an enterprise AI platform update focused on making AI a governed, observable, multi-tenant production service across hybrid environments—not merely a collec. Topic tags: general, documentation, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
Red Hat AI 3.5 no gira en torno a un único modelo ni a una nueva función de chatbot. La actualización se centra en el trabajo menos visible —pero decisivo— de operar IA empresarial: probarla antes de desplegarla, repartir la capacidad de GPU entre equipos y vigilar el servicio una vez está en marcha.
Red Hat anunció la versión el 9 de septiembre de 2026 y, dos días después, volvió a destacar la seguridad, el control operativo y la transparencia de rendimiento como ejes del lanzamiento. 43
15
EvalHub ya está disponible de forma general
La principal novedad para producción es EvalHub, la herramienta de Red Hat para evaluar modelos y agentes. Ya está disponible de forma general para modelos aportados o personalizados por el cliente, configuraciones de generación aumentada por recuperación (RAG) y agentes de IA.
Los equipos pueden ejecutar pruebas de seguridad centradas en riesgos como la inyección de prompts y los jailbreaks, además de generar certificaciones orientadas al cumplimiento normativo a partir de los resultados. 13
El valor práctico está en convertir la evaluación en un paso repetible previo al despliegue. Que un modelo funcione durante una prueba piloto no implica que esté preparado para un proceso corporativo sensible; EvalHub busca evitar que cada equipo tenga que diseñar, ejecutar y documentar esas validaciones por su cuenta.
El catálogo de modelos validados también suma más de 20 modelos, entre ellos modelos de Google, NVIDIA y Alibaba Cloud. Las evaluaciones del catálogo incluyen resultados del benchmark Garak e indicadores de toxicidad y de posible exposición de información personal identificable (PII), elementos que aportan más evidencia al elegir un modelo. 3
4
GPU compartidas: de recurso escaso a servicio gestionado
En una prueba piloto es frecuente que un grupo reducido disponga de infraestructura dedicada. En producción, distintos equipos compiten por recursos costosos y hacen falta prioridades, controles de acceso y criterios de imputación de costes.
Red Hat AI 3.5 incorpora planificación de reparto equitativo, servicio con reconocimiento de prioridad, control de admisión y enrutamiento de solicitudes basado en prioridades para entornos de GPU compartidas. 4
8
La versión añade además medición de tokens por usuario y paneles sobre la salud de la inferencia, la utilización de GPU y el rendimiento de los modelos. Con ello, los operadores de plataforma pueden identificar quién consume capacidad, detectar problemas de servicio y respaldar la asignación de costes por equipo. 4
14
En infraestructura acelerada con NVIDIA, la propuesta es una capa operativa basada en Kubernetes alrededor del servicio de modelos: evaluar cargas, administrar el acceso a GPU compartidas y supervisar el servicio en funcionamiento. Red Hat AI Inference 3.5 ofrece imágenes de inferencia optimizadas y disponibles de forma general para NVIDIA CUDA, además de AMD ROCm, Google TPU, Intel Gaudi e IBM Spyre. 35
RAG y agentes: avances, con una advertencia de disponibilidad
La actualización también amplía las herramientas para aplicaciones de recuperación de información y agentes. AutoRAG incorpora capacidades multilingües para colecciones documentales en idiomas distintos del inglés o combinadas: detección de idioma, fragmentación adaptada al idioma y embeddings multilingües dentro de su espacio de optimización. 1
Red Hat presenta AutoRAG como una herramienta para evaluar y ajustar canalizaciones RAG, con recuperación contextual, pruebas conversacionales y depuración visual. Sin embargo, AutoRAG sigue siendo una Technology Preview; no tiene el mismo estatus que una función disponible de forma general. Las organizaciones deben tenerlo en cuenta antes de usarlo como componente central de un servicio de producción. 13
La versión incluye asimismo plantillas de AI Hub como punto de partida para flujos de trabajo de revisión de código, procesamiento de documentos e investigación. 43
Inferencia híbrida más allá de OpenShift
Red Hat amplía las opciones de despliegue para inferencia distribuida con llm-d en Kubernetes gestionado. Su documentación identifica Amazon Elastic Kubernetes Service (EKS), Azure Kubernetes Service (AKS) y CoreWeave Kubernetes Service (CKS) como plataformas objetivo; entre los requisitos figuran Kubernetes 1.33 o posterior y nodos GPU aprovisionados. 37
El soporte no es equivalente en todos los casos. La documentación describe la inferencia distribuida con llm-d en Amazon EKS como Technology Preview, sin acuerdos de nivel de servicio (SLA) de producción y no recomendada para producción. En cambio, la documentación de Red Hat AI Inference destaca guías de despliegue para Azure y CoreWeave Kubernetes Service como las rutas compatibles en esta versión. 39
40
Qué cambia para los equipos de plataforma
Red Hat AI 3.5 reúne en una dirección de plataforma cuatro tareas que a menudo permanecen separadas durante una prueba piloto:
- Confianza antes del lanzamiento: evaluar modelos personalizados, canalizaciones RAG y agentes ante riesgos de seguridad y generar resultados auditables.
13
- Control durante la operación: asignar GPU compartidas mediante políticas de equidad y prioridad, mientras se mide el uso de tokens.
4
- Visibilidad operativa: utilizar paneles de inferencia, utilización y rendimiento para gestionar el servicio después del despliegue.
14
- Portabilidad de infraestructura: ejecutar inferencia optimizada en varios aceleradores y desplegar inferencia distribuida en entornos Kubernetes compatibles.
35
La posición de Red Hat es que estas capacidades forman la base operativa para una IA que abarque entornos híbridos y se gestione como infraestructura empresarial compartida, no como una suma de experimentos independientes. 43
Lightwell: una iniciativa relacionada, pero distinta
La estrategia más amplia de IBM y Red Hat también incluye Lightwell, una iniciativa conjunta separada de Red Hat AI 3.5. Está centrada en dependencias vulnerables de terceros dentro del software de código abierto. En septiembre, LTM anunció una colaboración con IBM y Red Hat en torno a Lightwell para la corrección de vulnerabilidades impulsada por IA. 24
25
No es una función de Red Hat AI 3.5: su ámbito es la seguridad de la cadena de suministro de software. Aun así, refleja el énfasis más amplio de ambas compañías en la validación y la reducción del riesgo operativo.
En síntesis
La promesa principal de Red Hat AI 3.5 es operativa: ofrecer a los equipos de plataforma herramientas para probar la IA antes de su despliegue, gobernar infraestructura de aceleración compartida y observar el servicio de modelos en entornos híbridos.
La disponibilidad general de EvalHub es la pieza central. La planificación de GPU, la medición de tokens y la observabilidad cubren, por su parte, las tareas del día a día que los pilotos suelen dejar en segundo plano. El matiz clave es que la disponibilidad depende de cada función: AutoRAG y la inferencia distribuida en EKS aún están en Technology Preview. 13
39
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "Red Hat AI 3.5 apuesta por una IA gobernada en producción"?
EvalHub ya está disponible de forma general para evaluar modelos propios, configuraciones RAG y agentes antes de desplegarlos, con pruebas de seguridad e informes orientados al cumplimiento.
¿Cuáles son los puntos clave a validar primero?
EvalHub ya está disponible de forma general para evaluar modelos propios, configuraciones RAG y agentes antes de desplegarlos, con pruebas de seguridad e informes orientados al cumplimiento. Red Hat AI 3.5 añade políticas para compartir GPU, medición de tokens por usuario y paneles para vigilar la salud de la inferencia, el uso de GPU y el rendimiento de los modelos.
¿Qué debo hacer a continuación en la práctica?
No todas las funciones tienen el mismo nivel de disponibilidad: AutoRAG y la inferencia distribuida con llm d en Amazon EKS continúan como Technology Preview.