容量更大、速度更快,但尚未做好全面进入主流市场的准备。
英特尔公司已经将其Optane SSD由900P升级为905P,其容量实现倍增,性能亦得到略微提升。
Optane 900P采用2.5英寸外观,容量为280 GB(亦提供480 GB容量选项),为半高半长附加卡(简称AIC)格式。
芯片巨头在905P当中提供480 GB存储容量,其AIC版本更具备960 GB存储空间,且使用同样的3D XPoint介质。此外,英特尔方面还在AIC卡上加入了两科蓝色LED边缘灯带——考虑到这款驱动器最终肯定要被安装在机箱之内,因此这种设计实在让人摸不着头脑。据称,905P主要针对快速应用程序加载、RAID以及更佳启动时间等需求进行优化。
Optane 905P配合时髦的蓝色LED设计。
900P的最高性能为,随机读取/写入IOPS为55万/50万,连续读取/写入带宽则为每秒2.5 GB/2.0 GB。
这些数字在905P上则变更为,随机读取/写入IOPS为57万5千/50万,连续读取/写入带宽则为每秒2.6 GB/2.2 GB。
905P的延迟水平与900P基本相同,读取与写入延迟皆略低于10微秒。960 GB版本售价1200美元,480 GB版本则售价599美元。这样的价格真的物有所值吗?
2.5英寸版本的英特尔Optane 905P。
三星的Z-NAND与M.2/AIC格式SZ985在性能方面已经超越905P,前者提供75万/17万随机读取/写入IOPS,外加3.2 GB每秒连续读取/写入带宽。然而,其延迟时间更长,随机读取延迟为12至20微秒,随机写入则为16微秒。因为可能属于OEM产品,因此我们尚不清楚SZ985的实际售价。
三星公司还推出了M.2格式的970 EVO与970 PRO SSD。二者分别提供250 GB与2 TB存储容量,速度提升至50万/50万随机读取/写入IOPS以及3.5 GB/2.7 GB连续读取/写入带宽,可谓全面压制905P。
三星方面并未公布970 PRO SSD的具体延迟,不过Storage Review网站宣称其延迟为338微秒,远高于905P的10微秒。
970 PRO的512 GB版本售价为330美元,1 TB版本则为630美元,明显比英特尔的905P便宜得多。
Tom’s Hardware网站对905P SSD进行了测试,并发现其随机读取与混合读取/写入性能在队列深度不超过4的条件下拥有高于970 PRO及其它竞品驱动器的表现。
因此,如果大家确实需要Optane 905P提供的额外容量与速度,且认同如此高昂的售价,那么其应该是物有所值。但如果不是,那么这款产品恐怕还没有准备好进入主流市场。毕竟市面上还存在着其它更便宜且性能同样出色的替代选项。
905P将从本周开始随同部分戴尔系统一起推出。此外,其亦将发布一款Akitio Node Lite版本,采用Tunderbolt 3接口并面向macOS与Windows平台。
Optane 905P配合Akitio Node Lite外壳确实带来了令人眼前一亮的外观。
然而,这种便携式Akitio系统提供的连续性能较差——读取与写入性能皆为每秒2.2 GB,低于直接接入主机的使用方式。Thunderbolt连接明显带来了额外的延迟。这款Akitio产品将于今年6月进行预售,价格信息也将届时一并公布。
总体来讲,905P带来了出色的容量提升幅度与目前市面上最低的SSD延迟水平。然而,其连续性能还无法实现全面领先,而随机读取IOPS数字同样缺乏显著优势。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。