Nimble Storage推出了新一代的混合Adaptive Flash阵列--CS Thousand系列,外加一个新的入门级全闪存阵列AF1000。据悉,Nimble在今年年初宣布推出这个全闪存的AF系列,现在增加了一款低成本的入门级AF1000系统。
如果你购买了这款系统,你可以纵向扩展,也可以横向扩展为更大更快的系统,超过120万IOPS和8PB。
Nimble表示,任何类型的阵列都可以集群化并且作为Unified Flash Fabric中的单一实体进行管理。而事实上,AF1000比最初的AF3000入门级产品的容量和性能更低一些。
全新的混合阵列产品线
Nimble表示,新的Adaptive Flash或者CS Thousand系列性能是上一代的两倍,容量成本降低了40%。
详细来说:
• 性价比降低30%-65%
• (可用)容量成本降低33%-43%
• 每U可用容量的密度增加了近100%
• 在未来发布的版本中将支持重复数据删除功能,最高可精简140%
• 可扩展性提高164%,最高可用容量从440GB增加到超过1.1PB
这个4U机箱有21个硬盘插槽,3个双载波SSD插槽,意味着最多可使用6个SSD,起始配置是3个。该系统支持10TB磁盘驱动器。
下面是Nimble博客中使用的一张图表,显示了IOPS的提升:
CS更新产品提升IOPS
与全闪存产品一样,CS系列也运行NimbleOS操作系统,有以下功能:
• 横向扩展为4路集群
• 99.9997%的可用性
• Triple+ Parity RAID--最多容忍3个驱动器同时出现故障
• 加密和数据粉碎
• 压缩
• CS1000、CS3000和CS5000支持纵向扩展到CS家族内的任何型号
• CS1000H支持纵向扩展到CS3000H
CS系列是在2014年8月升级的。
Nimble建议Adaptive Flash阵列产品可以作为全闪存阵列的备份、归档和灾难目标。Nimble计划在未来发布的Adaptive Flash阵列中支持重复数据删除功能,免费提供给持有有效期内支持合同的客户。
AF1000 MSRP起价低于40000美元,包括3年的支持。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。