Fördelarna är inte begränsade till nät med jumbo-MTU eller nätverkskort med särskilt stöd för tunnelavlastning. Även system med standard-MTU kan dra nytta av att programvaran internt arbetar med färre och större paket.
Arbetet krävde också ändringar på flera ställen i tunnelhanteringen. Tidigare antaganden om att paket alltid skulle vara mindre än 64 KiB, eller kunna lagras i 16-bitarsfält, behövde tas bort. Patchserien omfattar BIG TCP-arbetslaster för både IPv4 och IPv6 över VXLAN och Geneve.
En annan central förändring minskar beroendet av det globala RTNL-låset vid arbete med FIB-regler, bland annat operationerna RTM_NEWRULE och RTM_DELRULE. Det riktar sig särskilt mot system som hanterar routingregler i många nätverksnamnrymder samtidigt.
När mindre arbete måste serialiseras bakom ett enda globalt lås bör sådana arbetslaster få bättre möjligheter att köras parallellt. Det tillgängliga underlaget visar den arkitektoniska förbättringen, men innehåller inga tillförlitliga exakta prestandasiffror för IPv4 eller IPv6. Det går därför inte att belägga någon viss procentuell eller mångfaldig hastighetsökning.
Nätverkspullen innehåller även ett bredare paket av stöd för hårdvara och protokoll:
mm81x-drivrutin för långräckviddsenheter med S1G-stöd samt en ny NXPWIFI-drivrutin. Detta är kod som har kommit in under utvecklingscykeln och merge window för Linux 7.3. Det ska inte blandas ihop med att den färdiga stabila Linux 7.3-versionen redan är släppt.
Kicinski och Abeni uppgav att de hade slagit ihop 632 net-patchar och 648 net-next-patchar – totalt 1 280 patchar – i nätverkspullen. De betonade samtidigt att siffran inte fångar hela granskningsbördan.
Deras ”snabba och grova” uppskattning var att mellan en tredjedel och hälften av net-next såg ut att bestå av AI-drivna lågprioriterade rättningar, städningar eller förtydliganden.
Ökningen syns också i inflödet. Under en period på nio dagar registrerades 405 inlägg märkta [PATCH net][PATCH net-next]
Problemet är alltså inte bara att AI kan skriva kod. AI-assisterade bidrag kan också skapa trovärdiga förklaringar, felrapporter och förfrågningar om granskning till mycket låg kostnad. Därefter måste mänskliga underhållare avgöra om varje ändring verkligen behövs, är korrekt och säker samt är värd att släppa igenom.
Underhållarna har fått tillgång till Meta-finansierad budget och flera stora språkmodeller för att granska patchar. Det omedelbara målet är att fånga upp en del hallucinationer och svaga ändringar innan de tar mer tid från de mänskliga granskarna.
Planen är också att låta språkmodeller ta hand om mer rutinbetonade delar av arbetsflödet, bland annat:
Det handlar därmed om AI som arbetsflödesassistent, inte om att ersätta underhållarna. Skillnaden är särskilt viktig i samtidighetskänslig kärnkod. Kicinski och Abeni lyfte fram sällsynta händelseförlopp, som PCI Express-fel och timeout-hantering, där tidsberoende race conditions kan vara mycket svåra att hitta eller bevisa frånvaron av. En språkmodell kan hjälpa till att upptäcka misstänkta mönster, men kan inte pålitligt fastställa att all kod är korrekt för varje ovanlig kombination av händelser.
Det tillgängliga underlaget anger inga säkra datum för den första releasekandidaten, Linux 7.3-rc1, eller för den slutliga stabila versionen. Rapporteringen gäller nätverkskod som har slagits ihop under utvecklingen av Linux 7.3 – inte en publicerad tidsplan för lanseringen.
Det säkra beskedet är därför tekniskt snarare än kalenderbaserat: BIG TCP får bättre stöd för overlay-tunnlar, FIB-regler kan hanteras med mindre global låskonkurrens och flera drivrutins- och protokollförbättringar är på väg. Samtidigt visar patchfloden hur generativ AI inte bara ökar mängden kod, utan även mängden material som människor måste kontrollera innan något kan anses vara redo för Linux-kärnan.