Super Micro Computer,Inc. (SMCI) 为企业级计算、存储、网络解决方案和绿色计算技术等领域的全球企业,宣布在其通过市场考验的 top-loading存储解决方案中推出内含 60 槽和 90 槽系统的新版本,以及针对最新第 3 代 Intel Xeon可扩充处理器和PCI-E 4.0 NVMe磁盘机全面优化的全新Simply Double存储系统。这些超群领先的高容量存储和扩展系统是云规模存储部署以及高性能计算存储工作负载的理想选择。
Supermicro首席执行官暨总裁Charles Liang表示:“随着软件定义的云存储持续加速成长,Supermicro能协助数据中心迅速将基础架构现代化,以充分利用弹性的配置、可供技术人员轻松维修的免工具模块式设计,以及通过我们全新X12 60槽或90槽单节点、双节点和高可用性架构创新的简易扩充功能。Supermicro新推出的高容量存储系统,延续了我们resource saving和提供领先业界的容量设计重点,进而帮助客户降低总体拥有成本(TCO)。”
Top-Loading 存储系统
Supermicro的全新顶部加载(top-loading)架构提供更加出色的灵活性、模块性及可维护性,满足客户所需。60槽和90槽系统皆提供单节点、双节点配置,和双节点高可用性(HA)配置。 双节点HA和单节点配置可控制系统中所有驱动器的访问。双节点配置能够平均地将驱动器控制访问分散到各节点。系统采用模块化、免用工具的设计,包含热插拔服务器节点、扩充器、风扇模块、电源供应器和磁盘机在内的所有关键内建系统皆经过全方位优化,只需一位技术人员便能轻松维护。
Supermicro新推出的高容量顶部加载存储系统已针对企业和云规模环境优化。此垂直扩充和横向扩展架构设计为客户提供了PCI-E 4.0型RAID或IT模式SAS控制器的配置选项。这些4U系统具备60或90个热插拔2.5寸或3.5寸SAS3/SATA3驱动器槽,附加两个内置的PCI-E M.2插槽和两个内部Slim SATA SSD插槽。单节点系统亦支持两个后方热插拔2.5寸驱动器槽,可用于操作系统镜射,也可选配四个NVMe U.2驱动器槽,可用于高速快取。系统在最高配置下可支持1.6 PB经过成本优化的存储容量,加上由后方访问的NVMe提供最高60TB的SSD闪存。单节点和双节点系统均采双路(dual-socket)配置,支持第3代Intel Xeon可扩充处理器,每服务器节点提供16个DIMM插槽。
Simply Double 存储系统
Supermicro Simply Double存储服务器为业界领先的内容交付解决方案。此次宣布了整体设计将导入的效能和可维护性强化,在具有16个DIMM的双路配置中支持第3代Intel Xeon可扩充处理器,同时保持相同密度的存储空间。并支持最多四个后方热插拔的 U.2 NVMe 槽,允许用户在不占用24 个SAS/SATA 3.5英寸储存槽中任何一个储存槽的情况下加入闪存。创新的机箱设计除了强化气流,同时也简化对主板、CPU、内存、PCI-E 插槽、内部驱动器槽和后方驱动器槽等组件的系统维修存取性。除了这些机械改善以外,系统还可以设定PCI-E 4.0型RAID或IT模式SAS控制器选项。
Supermicro开放式架构储存高峰会(Open Storage Summit)
Supermicro在其2021年7月27日至29日举行的2021年开放式架构储存高峰会上推出了上述新系统,并重点强调了软件定义的储存技术创新。
关于Super Micro Computer, Inc.
Supermicro (SMCI), 高性能、高效率服务器技术的领先创新者, 是全球企业数据中心、云计算、人工智能和边缘计算系统的高级服务器Building Block Solutions的主要提供商。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。