根据Gartner公司发布的消息称,思杰评测实验室通过收集数据证实、Nexenta推出的VDI在成本方面遥遥领先于市面上其它同类方案。
Gartner公司研究主管兼博主Gunnar Berger在《VDI存储的真实成本》一文中,依据他自己收集的资料对各大供应商依使用成本作出了排名。他所使用的数据来自“思杰认证存储合作伙伴VDI功能验证计划”,他还以图表的形式将这部分数据作出了进一步整理。
一位Nexenta公司发言人在谈到此次测试时指出:“思杰在其圣克拉拉解决方案实验室中构建起一套交钥匙型‘VDI功能’测试环境,并邀请各存储合作伙伴将自身存储与执行方案接入至该‘VDI功能’测试当中、旨在以思杰环境下的750位用户为基准模拟‘为期一天的常规运作’。”
我们转载了Berger在文章中使用的图表,但隐去了总体IOPS项目,其最终结果如下图所示:
数据来源:Gartner公司
在Nexenta面前,任何一家竞争厂商都不得不自惭于产品价格的设定——由上图可见,价格最高的解决方案甚至达到Nexenta的36倍。Nexenta当然也在其博文中提到了这一点。
NetApp、Tegile与Nimble同样拿出了不俗的表现,分别位列榜单的二、三、四位。Pure Storage、EMC、Fusion-io以及GreenBytes则紧随其后。X-IO、Violin Memory、Solidfire以及Sanbolic/IBM在此轮比拼中垫底。顺带一提,如果Sanbolic能够换一家硬件供应合作伙伴,相信产品在使用成本方面会得到极大改善。
略为遗憾的是,我们在榜单中没有看到Atlantis ILIO、Tintri、Nutanix以及其它一些厂商的身影,自然也就谈不上将其纳入比对范畴了。
已经有一些供应商在Berger的博文中发表了评论,旨在解读其自身在这份图表中的定位。我选择了其中最具代表性的两家,并将其观点概括如下:
“我们还拥有一套全闪存阵列,在全闪存配置之下解决方案肯定无法达到每套桌面系统41美元的平均水平。由于此次测试的桌面系统数量较低,因此以750套用例环境出发、任何全闪存阵列方案都必然导致使用成本过于昂贵。只有着眼于规模更大的部署条件,全闪存阵列才有可能带来在单位桌面系统成本层面更具吸引力的价格表现。在这种情况下,Nexenta以及其它低端阵列配置方案将全面处于劣势。”
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。