Red Hat AI 3.5がGAに：AI実証を「統制された本番基盤」へ移すための新機能

Red Hatは2026年9月11日、Red Hat AI 3.5の一般提供（GA）を発表しました。焦点は、AIを単発のPoC（概念実証）の集まりとして扱うのではなく、ハイブリッド環境で統制可能で、監視でき、複数チームが共有して使える本番サービスとして運用することにあります。168

本番導入に必要な「信頼」と「運用」を一体化

AIを本番化する際には、モデル精度だけでなく、安全性、利用部門間のGPU配分、障害や性能劣化の把握、監査可能性が課題になります。Red Hat AI 3.5は、こうした運用上の論点をプラットフォーム側で扱うことを狙っています。

• 導入前の評価とガバナンス：EvalHubはGAとなり、顧客が構築・カスタマイズしたモデル、RAG（検索拡張生成）パイプライン、AIエージェントに対して、自動化された安全性ベンチマークと監査可能なコンプライアンスレポートを提供します。プロンプトインジェクションやジェイルブレイクへの耐性などを、本番投入前に確認する用途が想定されています。17
• モデル選定の根拠づくり：検証済みモデルのカタログには、Google、NVIDIA、Alibaba Cloudを含む20超のモデルが追加され、安全性、PII（個人識別情報）露出、毒性リスクに関する情報が示されます。各チームがゼロから評価方法を作るのではなく、プラットフォーム運用者が選定判断の材料を持てるようにする考え方です。17
• 共有GPUの制御：フェアシェアスケジューリング、優先度を考慮したサービング、アドミッション制御、優先度ベースのリクエストルーティングにより、特定のワークロードや部署が高価なGPUを占有することを抑える狙いです。ユーザー単位のトークン計測は、部門別の利用量可視化やチャージバック／ショーバックにもつながります。17
• 稼働後の可観測性：推論サービスの健全性、GPU使用率、モデル性能のシグナルをダッシュボードで確認でき、容量不足、可用性、品質に関する問題を運用中に見つけやすくします。1716

RAG・エージェント開発も対象に

AutoRAGには、多言語および混在言語の文書コーパス向け機能が加わります。言語検出、実験設定、CJK（中国語・日本語・韓国語）など非英語スクリプトを意識したチャンク分割、多言語埋め込みモデルの探索を通じ、言語をまたぐ企業データのRAGパターン最適化を支援します。4

また、AI Hubのテンプレートは、コードレビュー、文書処理、リサーチといったワークフロー向けに、導入時の出発点となるアーキテクチャを提供します。17

NVIDIAを含む多様なアクセラレータとハイブリッド運用

Red Hat AI Inference 3.5は、LLM推論向けに最適化したコンテナイメージを、NVIDIA CUDA、AMD ROCm、Google TPU、Intel Gaudi、IBM Spyre向けに提供します。つまり、特定のアクセラレータだけに運用方式を固定せず、Kubernetesを軸に推論を展開する選択肢を広げる更新です。3

NVIDIAアクセラレーテッド・インフラを用いるRed Hat AI Factory with NVIDIAという文脈では、モデルの事前検証、GPU資源の配分、サービング監視、ハイブリッド環境への展開を、共通のKubernetes志向の運用レイヤーで扱うことが重要になります。データサイエンス部門の実験成果を、IT運用チームが管理するサービスへ渡す際の分断を小さくすることが、今回の機能群の実務的な価値です。173

分散推論のためのllm-dは、Azure Kubernetes Service（AKS）およびCoreWeave Kubernetes Service（CKS）で展開できます。一方、Amazon Elastic Kubernetes Service（EKS）でのllm-dはテクノロジープレビューであり、Red Hatの本番SLAの対象ではなく、本番利用は推奨されていません。58

重要な注意点：すべてがGAではない

「Red Hat AI 3.5がGA」といっても、関連するすべての機能が一律に本番サポートされるわけではありません。たとえば、EKS上のllm-dは明確にテクノロジープレビューと位置付けられています。8 導入時には、対象クラウド、利用するアクセラレータ、必要なサポート水準ごとに、GA機能とプレビュー機能を切り分けて設計する必要があります。

総じてRed Hat AI 3.5は、AIモデルを「動かせる」状態から、評価証跡、GPU運用、監視、再現可能なデプロイメントを備えた信頼できる本番基盤として継続運用する段階へ進めるためのリリースだといえます。