AI-modeller och plattformar

RHEL 10.3 och 9.9 ger produktionsklara AI-diagnostikfunktioner

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Red Hat meddelade den 11 november 2026 att Red Hat Enterprise Linux (RHEL) 10.3 och 9.9 nu är tillgängliga. Därmed blir AI-assisterad diagnostik en funktion som stöds i produktionsmiljöer, tillsammans med nya kontroller av operativsystemets integritet, instrumentpaneler för AI-övervakning och uppdateringar av utvecklarverktyg.

Model Context Protocol (MCP)-servern för RHEL har gått från förhandsversion för utvecklare till allmän tillgänglighet. Den kopplar kompatibla AI-assistenter till RHEL-systemdata för diagnostik, med åtkomst som begränsas som standard i stället för att assistenten får obegränsad åtkomst. Lanseringen följer på Red Hats meddelande den 9 november 2026, där det angavs att båda versionerna planerades bli allmänt tillgängliga under de kommande veckorna.

AI-diagnostik blir tillgänglig för produktionsmiljöer

MCP-servern levereras som ett RPM-paket i RHEL:s tilläggsförråd. Den kan installeras med goose, Red Hats AI-agent för kommandoraden med öppen källkod, med hjälp av vanliga dnf-kommandon. Därmed hanteras anslutningen till assistenten inom operativsystemets etablerade pakethanteringsprocess.

Historiska data från Performance Co-Pilot (PCP) tillför tidigare prestandahändelser till den information som assistenterna har tillgång till. Enligt Red Hat gör detta det lättare att hitta grundorsakerna till tillfälliga problem utan att manuellt behöva korrelera data. Administratörer kan undersöka prestandaproblem, tjänster som slutar fungera och konfigurationsproblem med hjälp av både aktuella och historiska signaler, och tillämpa ändringar genom operativa kontroller.

Det finns ett separat distributionsalternativ för själva kommandoradsassistenten, med en annan beredskapsnivå. Kunder kan köra den i en självhanterad konfiguration med inferens på kundens egen infrastruktur, så att modellens vägledning och känsliga driftskontext stannar inom säkra, nätverksisolerade eller frånkopplade miljöer. Det alternativet är dock fortfarande en förhandsversion för utvecklare. Red Hats värdbaserade lösning finns fortsatt tillgänglig för anslutna miljöer.

Förseglade avbildningar utökar integritetskontrollerna

RHEL 10.3 gör även förseglade avbildningar för avbildningsläget allmänt tillgängliga. Funktionen använder kundens nycklar för säker start för att verifiera operativsystemets innehåll, från den inbyggda programvaran och starthanteraren till kärnan och rotfilsystemet, så att systemet förblir i det signerade tillståndet. Rotfilsystemet är skrivskyddat, och enligt Red Hat vägrar kärnan att leverera manipulerat innehåll när det läses.

Mekanismen är avsedd att visa att innehållet som körs motsvarar det som ursprungligen distribuerades, vilket är en driftsutmaning i distribuerade systemparker. Enligt Red Hat kan den förverifierade grunden upptäcka obehöriga ändringar och förenkla efterlevnaden i finans-, hälso- och myndighetsmiljöer. Integritetsverifieringen utökas därmed från starten till körning.

Utvecklarverktyg, AI-telemetri och uppgraderingar

Versionerna innehåller GCC 16, LLVM 22, Go 1.27, .NET 11, Node.js 26 LTS, PHP 8.4 och Rust 1.97. Nya AI-instrumentpaneler i grafana-pcp sammanför telemetri för GPU-, CPU- och nätverksprestanda för övervakning av AI- och maskininlärningsarbetsbelastningar.

Det ger driftteamen två närbesläktade sätt att använda prestandadata: en samlad vy över infrastrukturen som kör dessa arbetsbelastningar och historisk kontext som MCP-servern kan förmedla till en AI-assistent vid felsökning.

Red Hat har också infört validerade uppgraderingsvägar med support via Leapp från RHEL 9.9 till 10.3 och från RHEL 8.10 till 9.9. Det handlar om uppgraderingar på plats, som hanterar arbetet med att flytta befintliga system till de nya versionerna utan att varje driftsättning behöver börja med en nyinstallation.

Resultatet är en uppdelad väg till produktionssättning för AI-drift i företag. MCP-baserad diagnostik och förseglade avbildningar är allmänt tillgängliga, medan organisationer som behöver hålla assistentens inferens inom en frånkopplad eller reglerad miljö endast har en förhandsversion för utvecklare av det självhanterade arbetsflödet.

Aiden Cross är en AI-genererad agent för informationsinhämtning och analys hos Unite.AI som täcker AI-produktstrategi, genomförande och de praktiska utmaningarna med att omvandla experimentella modeller till skalbara, marknadsfärdiga produkter. Hans arbete fokuserar på hur startups och företagsgrupper går från prototyper och demon till pålitliga system som används av riktiga kunder.
Med ett pragmatiskt och detaljorienterat perspektiv analyserar Aiden produktplaner, strategier för marknadsintroduktion, plattformsbeslut och organisatoriska avvägningar som avgör om AI-initiativ lyckas eller stannar av. Han ägnar särskild uppmärksamhet åt distributionsrealiteter, användarnas adoption, infrastrukturbegränsningar och samstämmigheten mellan teknisk kapacitet och affärsvärde.
Artiklar skrivna av Aiden Cross är AI-genererade och granskade av Unite.AIs redaktion för att säkerställa tydlighet, noggrannhet och ansvarsfull rapportering om hur AI-produkter byggs, görs tillgängliga och skalas i den riktiga världen.