Sardina 希望通过价格优势,将仍在使用 SUSE Enterprise Storage (SES) 的用户吸引到 FishOS 平台上——无论存储容量多大,每个核心的许可费仅为 1 欧元。
Sardina Systems 自 2014 年起推出其 FishOS 云管理平台,该平台整合了 Openstack、Ceph 和 Kubernetes。此次推出特殊的 1 欧元优惠正是针对 SUSE 正在逐步退出 Ceph 存储市场这一趋势。
2020 年,SUSE 收购了 Kubernetes 领域的知名公司 Rancher Labs,不久后在 2021 年初,SUSE 决定取消其基于 Ceph 的 SUSE Enterprise Storage 产品。SUSE 退出 Ceph 存储领域的步伐仍在继续:Sardina 指出了一封近期在 Ceph 用户邮件列表中出现的邮件,该邮件中不仅提到了 openSUSE 中 Ceph 客户端维护者退任的消息,还对 SLE 客户发布了如下公告:
9.3 ceph client 包已被废弃,并将在 15 SP7 中移除
Ceph 是一款开源存储工具,正如 Register 的姊妹网站 Blocks & Files 经常报道的那样。最直观的理解是,可以将 Ceph 看作是 RAID 在广域集群中的延伸:RAID 能够将一台机器上的多个硬盘组合成一个更大的虚拟硬盘,而 Ceph 则通过将多台存储服务器集成为一个存储池,为您的网络提供存储支持。Ceph 的一大优势在于,这些服务器并不需要集中放置在同一地点——它们可以分布在一个国家、一个大陆,甚至全世界各地。
SUSE 曾尝试推出一款名为 Aquarium 的基于 Ceph 的更简化替代存储工具,但该方案未能获得市场青睐,其 Github 仓库也已于 2023 年归档。目前,SUSE 的存储产品仅面向 Kubernetes 用户。
SUSE 发言人在一份声明中告诉 The Register: “SUSE Storage 是 SUSE 目前推出的存储产品,基于 Longhorn 项目,代表了一种面向未来、容器原生的进化方向。它取代了已结束生命周期的 SUSE Enterprise Storage——后者是一种更传统、范围更广的软件定义存储解决方案。SUSE 正与所有客户共同努力,为其当前和未来的软件定义存储需求寻找最佳解决方案。”
当然,还有其他几家公司也乐意为您提供类似的存储产品——但价格却远不便宜。这毕竟是企业级产品,其官网通常不会公开标价。如果您是规模足够大的客户需要此类产品,价格谈判往往会从“您心中预期的金额是多少?”等问题开始。
Red Hat 更侧重于竞争对手 Gluster 存储技术,其费用大约为每节点每年 4,500 美元。Red Hat 也提供 Ceph 产品,但对于 12 个节点来说,年费用大约在 32,000 美元左右。
相比之下,每节点 1 欧元的价格显得十分划算。FishOS 看起来完全能满足需求;我们也发现了一些正面的评价。Sardina 的公告中提到了一个涉及德国云服务供应商 Grass-Merkur 的案例研究,OpenInfra Foundation 也对此给予了积极报道。Sardina 过去曾在平台停运之际提供迁移支持,例如,当以色列初创公司 Stratoscale 数年后关闭业务时,Sardina 就主动协助客户迁移至 FishOS。
好文章,需要你的鼓励
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。
这篇研究论文揭示了多模态大语言模型(MLLMs)存在严重的模态偏差问题,即模型过度依赖文本信息而忽视图像等其他模态。研究团队通过理论分析和实验证明,这种偏差主要源于三个因素:数据集不平衡、模态骨干能力不对称以及训练目标设计不当。他们提出了系统的研究路线图和解决方案,包括增强视觉模态在数据集中的贡献、改变模型关注点和应用偏好优化策略。未来研究方向则包括开发更客观的评估指标、探索更多模态组合中的偏差问题以及应用可解释AI技术深入分析偏差机制。
ComfyMind是香港科技大学研究团队开发的一个协作式AI系统,旨在解决当前开源通用生成系统面临的稳定性和规划挑战。该系统基于ComfyUI平台,引入了两项关键创新:语义工作流接口(SWI)和带本地反馈执行的搜索树规划机制。SWI将低级节点图抽象为语义函数,而搜索树规划将生成过程视为分层决策任务。实验表明,ComfyMind在ComfyBench、GenEval和Reason-Edit三个基准测试中均大幅超越开源基线,并达到与GPT-Image-1相当的性能,为开源通用生成AI开辟了新路径。
这项研究介绍了一种名为"热带注意力"的新型注意力机制,专为解决神经网络在组合算法推理中的困境而设计。传统注意力机制使用softmax函数产生平滑的概率分布,无法精确捕捉组合算法所需的锐利决策边界。