Pure Storage 推出了更实惠、低容量的 FlashArray//C 型号 RC20,该产品采用翻新控制器制造,针对边缘部署和小型工作负载。
FlashArray//C 系列使用了 Pure 的专有 DirectFlash Module (DFM) 驱动器,该驱动器基于 QLC 闪存芯片构建。它们目前处于 R4 (release 4) 级别,新款 RC20 已加入到现有的 C50、C70 和 C90 型号中,如下表所示:
Pure 的 FlashArray 业务部门副总裁兼总经理 Shawn Hansen 在博客中谈到这款新型低容量 FlashArray 装置,他表示: “这一针对容量优化的全闪系统在容量和价格上均更易于实现边缘部署和小型工作负载所需的企业级性能、可靠性与敏捷性。”
该设备的入门级容量为 148 TB,而此前的入门级 C50 为 187 TB。RC20 可以由两块 75 TB 的 DFM 构成,而 C50 则采用两块 75 TB 和一块 36 TB 的 DFM。
Hansen 表示: “我们清楚地了解到,中小企业以及小型部署或远程办公/分支机构 (ROBO) 场景的客户错失了机会。他们希望能够享受到 Pure Storage 平台的全部能力,但需求却是更小的容量以及更具竞争力的价格。”
RC20 名称中的 “R” 表示 “采用工厂翻新控制器,与其他新零部件(例如全新机箱)相结合,打造出一款产品,该产品提供了与 FlashArray//C 系列其他产品相似的众多优势,同时减少电子废料,并符合我们致力于提供可持续数据平台的承诺。”
RC20 可在不中断服务的情况下升级至 FlashArray//C 系列中的更大产品或未来的下一代控制器。Pure 的一张图表对此进行了说明,尽管图表的坐标轴上未标示数值:
Hansen 热衷于展示 RC20 的低能耗特性,如下表所示:
尚未提供定价详情。请在此查看 FlashArray//RC20 的数据手册。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。