AI-modeller og plattformer

RHEL 10.3 og 9.9 gir KI-diagnostikk klar for produksjonsbruk

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Red Hat kunngjorde 11. november 2026 at Red Hat Enterprise Linux (RHEL) 10.3 og 9.9 var tilgjengelige. Dermed blir KI-assistert diagnostikk en støttet produksjonsfunksjon, sammen med nye kontroller for operativsystemets integritet, instrumentbord for KI-overvåking og oppdateringer av utviklerverktøy.

Serveren for protokollen for modellkontekst (MCP) for RHEL har gått fra forhåndsvisning for utviklere til generell tilgjengelighet. Den kobler kompatible KI-assistenter til RHEL-systemdata for diagnostikk, og tilgangen styres som standard i stedet for å gi en assistent ubegrenset tilgang. Lanseringen følger etter Red Hats kunngjøring 9. november 2026, der det ble opplyst at begge versjonene etter planen skulle bli generelt tilgjengelige i løpet av de kommende ukene.

KI-diagnostikk klar for produksjonsbruk

MCP-serveren leveres som en RPM-pakke i RHELs utvidelsesarkiv. Den kan installeres med goose, Red Hats KI-kommandolinjeagent med åpen kildekode, ved hjelp av standardkommandoer i dnf. Dermed inngår assistenttilkoblingen i operativsystemets etablerte pakkehåndteringsprosess.

Historiske data fra Performance Co-Pilot (PCP) gir assistentene tilgang til tidligere ytelseshendelser. Red Hat sier at dette gjør det enklere å finne rotårsakene til sporadiske problemer uten å måtte sammenstille data manuelt. Administratorer kan undersøke ytelsesproblemer, tjenester som svikter, og konfigurasjonsproblemer ved hjelp av sanntidsdata og historiske data, og gjøre endringer gjennom driftskontroller.

Selve kommandolinjeassistenten har et eget distribusjonsalternativ med et annet modenhetsnivå. Kundene kan kjøre den i en selvadministrert konfigurasjon med inferens hos kunden, slik at modellveiledning og sensitiv driftskontekst forblir innenfor sikre, luftgap-isolerte eller frakoblede miljøer. Dette alternativet er imidlertid fortsatt i forhåndsvisning for utviklere. Red Hats vertsbaserte løsning er fortsatt tilgjengelig for tilkoblede miljøer.

Forseglede avbildninger utvider integritetskontrollene

RHEL 10.3 gjør også forseglede avbildninger for avbildningsmodus generelt tilgjengelige. Funksjonen bruker kundenes nøkler for sikker oppstart til å verifisere innholdet i operativsystemet, fra fastvaren og oppstartslasteren til kjernen og rotfilsystemet, slik at systemet holdes i den signerte tilstanden. Rotfilsystemet er skrivebeskyttet, og Red Hat sier at kjernen avviser manipulert innhold når det leses, i stedet for å levere det.

Mekanismen skal bevise at innholdet som kjører, samsvarer med det som opprinnelig ble distribuert – en driftsmessig utfordring i distribuerte systemparker. Red Hat sier at det forhåndsverifiserte grunnlaget kan oppdage uautoriserte endringer og forenkle etterlevelsen i finans-, helse- og offentlig sektor, ved å utvide integritetsverifiseringen fra oppstart til kjøretid.

Utviklerverktøy, KI-telemetri og oppgraderinger

Utgivelsene omfatter GCC 16, LLVM 22, Go 1.27, .NET 11, Node.js 26 LTS, PHP 8.4 og Rust 1.97. Nye KI-instrumentbord i grafana-pcp samler telemetri for GPU-, CPU- og nettverksytelse, slik at KI- og maskinlæringsarbeidsbelastninger kan overvåkes.

Dette gir driftsteamene to beslektede måter å bruke ytelsesdata på: en samlet oversikt over infrastrukturen som kjører arbeidsbelastningene, og historisk kontekst som MCP-serveren kan gi en KI-assistent under feilsøking.

Red Hat har også introdusert validerte og støttede oppgraderingsløp med Leapp fra RHEL 9.9 til 10.3 og fra RHEL 8.10 til 9.9. Dette er oppgraderinger på stedet som tar høyde for arbeidet med systemenes livssyklus når eksisterende systemer flyttes til de nye utgivelsene, i stedet for at hver distribusjon må starte med en ny installasjon.

Resultatet er en todelt vei til produksjonsbruk for KI-drift i virksomheter. MCP-basert diagnostikk og forseglede avbildninger er generelt tilgjengelige, mens organisasjoner som må holde assistentinferens innenfor et frakoblet eller regulert miljø, bare har et alternativ i forhåndsvisning for utviklere for denne selvadministrerte arbeidsflyten.

Aiden Cross er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-produktstrategi, gjennomføring og de praktiske utfordringene ved å omdanne eksperimentelle modeller til skalerbare, markedsklare produkter. Hans arbeid fokuserer på hvordan startups og bedrifter går fra prototyper og demonstrasjoner til pålitelige systemer som brukes av ekte kunder.
Med et pragmatisk og detaljorientert perspektiv, analyserer Aiden produktveikart, strategier for markedslansering, plattformbeslutninger og organisatoriske kompromisser som avgjør om AI-initiativer lykkes eller stopper. Han legger særlig vekt på deployeringsrealiteter, brukeradopsjon, infrastrukturbegrensninger og samsvaret mellom teknisk evne og forretningsverdi.
Artikler skrevet av Aiden Cross er AI-generert og gjennomgått av Unite.AIs redaksjonsteam for å sikre klarhet, nøyaktighet og ansvarlig dekning av hvordan AI-produkter bygges, gjøres tilgjengelige og skaleres i den virkelige verden.