AnswersPublished17 sources
Red Hat AI 3.5: zarządzana AI hybrydowa zamiast kolejnych pilotaży
Red Hat AI 3.5 ma traktować AI jako zarządzaną, obserwowalną usługę produkcyjną, a nie zbiór odizolowanych pilotaży. EvalHub służy do automatycznej oceny ryzyka oraz tworzenia audytowalnych wyników dla modeli, systemów RAG i agentów.
Opublikowane przezObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- Red Hat AI 3.5 ma traktować AI jako zarządzaną, obserwowalną usługę produkcyjną, a nie zbiór odizolowanych pilotaży.
- EvalHub służy do automatycznej oceny ryzyka oraz tworzenia audytowalnych wyników dla modeli, systemów RAG i agentów.
- Nowe mechanizmy harmonogramowania i pomiaru użycia tokenów mają ułatwić sprawiedliwy podział kosztownych zasobów GPU między zespoły.
- Obsługiwane są obrazy inferencyjne dla akceleratorów NVIDIA, AMD, Google, Intel i IBM; ścieżka dla Amazon EKS pozostaje funkcją Technology Preview.
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 ogłosił ogólną dostępność Red Hat AI 3.5 — aktualizacji platformy dla przedsiębiorstw, która ma pomóc zamienić eksperymenty z AI w zarządzaną, obserwowalną i wielodzierżawną usługę produkcyjną działającą w środowiskach hybrydowych. Sednem tej zapowiedzi jest połączenie weryfikacji zaufania do modelu przed wdrożeniem, efektywnego współdzielenia GPU oraz powtarzalnego wdrażania aplikacji i inferencji. 16
8
Co ma zmienić się dla zespołów wdrażających AI
Ocena ryzyka i audytowalność
Ogólnie dostępny jest EvalHub, narzędzie do automatycznego, ukierunkowanego na ryzyko benchmarkingu bezpieczeństwa oraz tworzenia audytowalnych poświadczeń zgodności. Dotyczy to modeli tworzonych lub dostosowywanych przez klientów, potoków RAG (retrieval-augmented generation, czyli generowania wspieranego wyszukiwaniem) oraz agentów AI. Zespoły mogą dzięki temu sprawdzać przed wdrożeniem m.in. podatność na prompt injection i jailbreaki. 13
8
Wybór modeli oparty na danych
Red Hat rozszerzył katalog o ponad 20 nowych zweryfikowanych modeli od dostawców takich jak Google, NVIDIA i Alibaba Cloud. Katalog zawiera informacje m.in. o bezpieczeństwie, ryzyku ujawnienia danych osobowych (PII) i toksyczności. Założenie jest praktyczne: zespół platformowy otrzymuje podstawę do wyboru modelu, zamiast budować własny proces ewaluacji od zera dla każdego projektu. 3
4
Kontrola współdzielonych GPU
GPU są drogim i często ograniczonym zasobem. Red Hat AI 3.5 wprowadza mechanizmy fair-share scheduling, obsługę priorytetów, kontrolę dopuszczania zadań oraz kierowanie żądań według priorytetu. Mają one ograniczać sytuacje, w których jeden zespół lub jedno obciążenie zajmuje całą dostępną moc akceleratorów.
W połączeniu z pomiarem tokenów dla poszczególnych użytkowników funkcje te mają wspierać priorytety usług oraz rozliczenia lub wewnętrzne przypisywanie kosztów do zespołów. 4
5
Widoczność działania usług AI
Nowe pulpity obserwowalności pokazują kondycję inferencji, wykorzystanie GPU i sygnały dotyczące działania modelu. Operatorzy platformy mogą dzięki nim wykrywać problemy z pojemnością, dostępnością lub jakością już podczas pracy usług AI. 4
16
RAG, agenci i praca wielojęzyczna
AutoRAG zyskuje obsługę zbiorów dokumentów nieanglojęzycznych i mieszanych językowo. Obejmuje ona wykrywanie języka oraz konfigurację eksperymentów, a także strategie dzielenia tekstu uwzględniające różne systemy pisma. Red Hat wskazuje zastosowania w wyszukiwaniu po danych przedsiębiorstwa, testowaniu systemów konwersacyjnych i aplikacjach agentowych. Szablony AI Hub mają z kolei dawać punkty startowe dla architektur związanych z przeglądem kodu, przetwarzaniem dokumentów i badaniami. 1
13
Inferencja w hybrydowej chmurze i poza OpenShift
Red Hat AI Inference 3.5 udostępnia zoptymalizowane obrazy inferencyjne dla akceleratorów NVIDIA CUDA, AMD ROCm, Google TPU, Intel Gaudi i IBM Spyre. Obsługiwana jest rozproszona inferencja z llm-d w Azure Kubernetes Service (AKS) i CoreWeave Kubernetes Service (CKS). 3
8
4
Ważne zastrzeżenie: status ogólnej dostępności nie obejmuje wszystkich elementów jednakowo. Planowanie inferencji uwzględniające potrzeby AI w Amazon EKS pozostaje Technology Preview — Red Hat zaznacza, że takie funkcje nie są objęte produkcyjnymi umowami SLA i nie są zalecane do zastosowań produkcyjnych. Ścieżki dla Azure i CoreWeave są natomiast obsługiwanymi wdrożeniami. 8
4
Rola integracji z NVIDIA
W ramach Red Hat AI Factory with NVIDIA opisane mechanizmy tworzą ujednoliconą warstwę operacyjną ponad infrastrukturą przyspieszaną przez NVIDIA. Organizacje mogą w tym modelu oceniać modele, sprawiedliwie przydzielać pojemność GPU, monitorować serwowanie modeli i wdrażać je w infrastrukturze hybrydowej, korzystając ze wspólnego, zorientowanego na Kubernetes podejścia. 16
3
To właśnie ma zmniejszyć lukę między eksperymentami zespołów data science a wymaganiami operacyjnymi przedsiębiorstwa: kontrolą kosztów, dostępnością, rozliczalnością i powtarzalnym wdrażaniem.
Osobno IBM i Red Hat współpracują z LTM przy inicjatywie Lightwell, której celem jest wykrywanie, priorytetyzowanie i usuwanie podatności w zależnościach open source. Inicjatywa dotyczy dostarczania zweryfikowanych poprawek do środowisk produkcyjnych i jest odrębnym wątkiem od premiery Red Hat AI 3.5. 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: zarządzana AI hybrydowa zamiast kolejnych pilotaży"?
Red Hat AI 3.5 ma traktować AI jako zarządzaną, obserwowalną usługę produkcyjną, a nie zbiór odizolowanych pilotaży.
What are the key points to validate first?
Red Hat AI 3.5 ma traktować AI jako zarządzaną, obserwowalną usługę produkcyjną, a nie zbiór odizolowanych pilotaży. EvalHub służy do automatycznej oceny ryzyka oraz tworzenia audytowalnych wyników dla modeli, systemów RAG i agentów.
What should I do next in practice?
Nowe mechanizmy harmonogramowania i pomiaru użycia tokenów mają ułatwić sprawiedliwy podział kosztownych zasobów GPU między zespoły.