AnswersPublished17 sources
Red Hat AI 3.5 tähtää pilotista hallittuun tuotanto-AI:hin
Red Hat AI 3.5:n tavoitteena on tehdä AI:sta hallittu, seurattava ja usean tiimin yhteinen tuotantopalvelu hybridiympäristöissä. EvalHub auttaa arvioimaan omia malleja, RAG ratkaisuja ja agentteja ennen käyttöönottoa sekä tuottamaan auditoitavaa vaatimustenmukaisuusaineistoa.
JulkaisijaKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- Red Hat AI 3.5:n tavoitteena on tehdä AI:sta hallittu, seurattava ja usean tiimin yhteinen tuotantopalvelu hybridiympäristöissä.
- EvalHub auttaa arvioimaan omia malleja, RAG ratkaisuja ja agentteja ennen käyttöönottoa sekä tuottamaan auditoitavaa vaatimustenmukaisuusaineistoa.
- Jaettujen GPU resurssien priorisointi, käyttömittaus ja seuranta on suunniteltu ehkäisemään kapasiteetin kasaantumista yhdelle työkuormalle tai tiimille.
- Red Hat AI Inference 3.5 tukee useita kiihdytinalustoja ja hajautettua inferenssiä Azure ja CoreWeave Kubernetes ympäristöissä; Amazon EKS tuki on esiversio ominaisuus.
AI Prompt
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 web, ai safety, llm, agents, ai. 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
Red Hat ilmoitti 11. syyskuuta 2026 Red Hat AI 3.5:n yleisestä saatavuudesta. Julkaisun painopiste on siinä, että tekoäly ei jäisi erillisiksi kokeiluiksi, vaan sitä voitaisiin käyttää hallittuna, seurattavana ja usean tiimin yhteisenä tuotantopalveluna hybridiympäristöissä. Kokonaisuus yhdistää mallien luotettavuuden arvioinnin ennen käyttöönottoa, jaettujen GPU-resurssien tehokkaan hallinnan sekä toistettavat sovellus- ja inferenssijulkaisut. 16
8
Mallien luottamus arvioidaan ennen tuotantoa
EvalHub on yleisesti saatavilla oleva työkalu automatisoituun, riskeihin keskittyvään turvallisuusvertailuun ja auditoitavien vaatimustenmukaisuustodistusten tuottamiseen. Sitä voidaan käyttää asiakkaan rakentamille tai räätälöimille malleille, RAG-putkille ja AI-agenteille. Käytännössä tiimit voivat testata esimerkiksi prompt injection -hyökkäysten ja jailbreak-yritysten riskejä jo ennen tuotantoon vientiä. 13
8
Red Hat laajensi myös malliluetteloaan yli 20 uudella validoidulla mallilla. Mukana on malleja esimerkiksi Googlelta, NVIDIAlta ja Alibaba Cloudilta, ja niiden yhteydessä raportoidaan tietoja turvallisuudesta, henkilötietojen (PII) paljastumisriskistä ja toksisuusriskeistä. Tavoitteena on antaa alustatiimeille näyttöön perustuva pohja mallivalinnoille sen sijaan, että jokainen tiimi joutuisi rakentamaan arviointimenetelmänsä alusta asti. 3
4
GPU-kapasiteettia pyritään jakamaan tasapuolisemmin
Kalliit GPU-resurssit voivat muodostua tuotanto-AI:n pullonkaulaksi, etenkin kun samaa alustaa käyttää usea liiketoimintayksikkö tai sovellus. Red Hat AI 3.5:ssa tasapuolinen ajoitus, prioriteettitietoinen palvelu, pääsynhallinta ja pyyntöjen prioriteettiohjaus on tarkoitettu estämään sitä, että yksi työkuorma tai tiimi varaa suhteettoman suuren osan kapasiteetista. 4
5
Käyttäjäkohtainen token-kulutuksen mittaus tukee palvelutasojen priorisointia sekä tiimi- tai kustannuspaikkakohtaista kustannusten kohdistamista ja raportointia. Tämä voi helpottaa AI-palvelujen operointia silloin, kun infrastruktuuria tarjotaan sisäisenä palveluna useille käyttäjäryhmille. 4
5
Käytössä näkyvät sekä kapasiteetti että palvelun laatu
Uudet havainnointinäkymät tuovat esiin inferenssin tilan, GPU-käyttöasteen ja mallien suorituskykyyn liittyviä signaaleja. Niiden tarkoitus on auttaa alustaoperaattoreita tunnistamaan kapasiteettiin, saatavuuteen ja palvelun laatuun liittyviä ongelmia AI-palvelujen ollessa käynnissä. 4
16
Kehityspuolella AutoRAG saa monikielisen tuen myös muunkielisille ja sekakielisille dokumenttiaineistoille. Ominaisuuksiin kuuluvat kielen tunnistus ja kokeiden määritys. Red Hat asemoi AutoRAGin yritysdatan hakuun, keskustelupohjaiseen testaukseen ja agenttisovelluksiin; AI Hubin mallipohjat tarjoavat lähtöarkkitehtuureja muun muassa koodikatselmointiin, dokumenttien käsittelyyn ja tutkimustyön kulkuihin. 1
13
Inferenssiä useille kiihdyttimille ja Kubernetes-alustoille
Red Hat AI Inference 3.5 tarjoaa optimoituja inferenssikonttikuvia NVIDIA CUDA-, AMD ROCm-, Google TPU-, Intel Gaudi- ja IBM Spyre -kiihdyttimille. Hajautettua inferenssiä llm-d:llä tuetaan Azure Kubernetes Servicessä (AKS) ja CoreWeave Kubernetes Servicessä (CKS). Amazon EKS:n inferenssitietoinen ajoitus on puolestaan Technology Preview -ominaisuus. 3
8
4
Tämä ero on tärkeä tuotantokäyttöä suunniteltaessa: yleinen saatavuus ei koske kaikkia julkaisuun liittyviä toimintoja samalla tavalla. Red Hat kuvaa Amazon EKS -polun nimenomaan esiversio-ominaisuudeksi, jota ei tueta Red Hatin tuotantotason palvelusopimuksilla eikä suositella tuotantoon. Azure- ja CoreWeave-polut ovat tuettuja käyttöönottoja. 8
4
NVIDIA-yhteistyön rooli
Red Hat AI Factory with NVIDIA -kokonaisuudessa nämä ominaisuudet muodostavat yhdenmukaisen operointikerroksen NVIDIA-kiihdytetyn infrastruktuurin päälle. Organisaatiot voivat arvioida malleja, jakaa GPU-kapasiteettia hallitusti, seurata mallipalvelua ja ottaa ratkaisuja käyttöön hybridi-infrastruktuurissa yhteisellä, Kubernetes-pohjaisella toimintamallilla. 16
3
Red Hatin tavoite on kaventaa kuilua data- ja AI-tiimien kokeilujen sekä yrityksen tuotanto-operaatioiden välillä: mallin rakentamisen lisäksi myös sen turvallisuus, kustannukset, saatavuus ja jatkuva seuranta olisi mahdollista ottaa osaksi samaa toimintamallia.
Julkaisu tukee samalla IBM:n ja Red Hatin laajempaa linjaa, jossa avoin hybridi-infrastruktuuri yhdistetään hallittuun AI-operointiin. Erillisessä hankkeessa LTM on tehnyt IBM:n ja Red Hatin kanssa yhteistyötä Lightwell-ratkaisun parissa, jonka tavoitteena on auttaa yrityksiä tunnistamaan, priorisoimaan ja korjaamaan avoimen lähdekoodin ohjelmistoriippuvuuksien haavoittuvuuksia. 4
8
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Red Hat AI 3.5 tähtää pilotista hallittuun tuotanto-AI:hin"?
Red Hat AI 3.5:n tavoitteena on tehdä AI:sta hallittu, seurattava ja usean tiimin yhteinen tuotantopalvelu hybridiympäristöissä.
What are the key points to validate first?
Red Hat AI 3.5:n tavoitteena on tehdä AI:sta hallittu, seurattava ja usean tiimin yhteinen tuotantopalvelu hybridiympäristöissä. EvalHub auttaa arvioimaan omia malleja, RAG ratkaisuja ja agentteja ennen käyttöönottoa sekä tuottamaan auditoitavaa vaatimustenmukaisuusaineistoa.
What should I do next in practice?
Jaettujen GPU resurssien priorisointi, käyttömittaus ja seuranta on suunniteltu ehkäisemään kapasiteetin kasaantumista yhdelle työkuormalle tai tiimille.