NVIDIA-র Run:ai-কে Apache 2.0 লাইসেন্সের আওতায় ওপেন সোর্স করার ফলে ডেভেলপাররা সাবস্ক্রিপশনের জন্য কোনো টাকা না খরচ করে Kubernetes-এর জন্য প্রোডাকশন GPU স্কেডিউলিং নিজেদের হোস্ট এবং কাস্টমাইজ করতে পারবেন।
এআই দিয়ে তৈরি সারাংশ। প্রেক্ষাপট ও নির্ভুলতার জন্য মূল প্রতিবেদন দেখুন।
এটি ফিডে পাওয়া অংশবিশেষ। এটি সংক্ষিপ্ত বা প্রকাশকের মূল ভাষায় হতে পারে।
NVIDIA has released the full NVIDIA Run:ai platform as open source software. The source code ships under the Apache 2.0 license on GitHub. NVIDIA Run:ai open source puts production GPU scheduling, quotas and workload management in developers’ hands. The release, makes Run:ai part of the NVIDIA DSX AI Factory platform. Platform teams can now inspect, fork and self-host the stack without a paid subscription. TL;DR Size: Monorepo with control plane, cluster services, installer, CLI and MCP server. Local dev builds about 50 Go services. Runs on: Kubernetes or OpenShift clusters with NVIDIA GPUs. Local dev runs on macOS or Linux with 8 simulated Tesla-A10 GPUs, no GPU needed. Performance: NVIDIA published no platform-level benchmark for this release. Best: The related Model Streamer loaded models 3x to 6x faster on 8 NVIDIA H100 VMs on Azure. Worst: The community edition has no NVIDIA enterprise support. Local builds need 16 GB RAM and 100 GB disk on Linux. What is NVIDIA Run:ai? NVIDIA Run:ai is an AI workload and GPU orchestration platform for Kubernetes from NVIDIA. It schedules development, training and inference workloads across shared GPU clusters. It runs on top of Kubernetes and does not replace it. The control plane handles workload submission, resource management and monitoring. Cluster services run on each Kubernetes cluster and add GPU-aware scheduling. Users reach it through a web UI, CLI, REST API and an MCP server for AI assistants. What are the 4 modular components? NVIDIA split the release into 4 components that teams can adopt independently: KAI Scheduler is the Kubernetes-native scheduling engine. It is Apache 2.0 and a CNCF Sandbox project. It covers gang scheduling, time-based fair-share, topology awareness, bin-packing and DRA support. GPU Fractioning Operator brings CUDA 13.4-native GPU fractions to Kubernetes. The CUDA driver enforces a hard memory limit per workload. NVIDIA retired its older proprietary fractioning in favor of this a
উৎসের বিশ্বাসযোগ্যতা, শব্দ ও সত্তার ভিত্তিতে ১–১২ স্কেলে স্বয়ংক্রিয়ভাবে সাজানোর সহায়ক। উচ্চ: ৯–১২; মাঝারি: ৬–৮; নিম্ন: ১–৫। এটি জরুরিতা বা খবরের সত্যতা নির্ধারণ করে না এবং সম্পাদকীয় অনুমোদন নয়।
মিস্ট্রাল‑এর ভক্সট্রাল ৩ স্পিচ‑টু‑টেক্সট, টেক্সট‑টু‑স্পিচ এবং ভয়েস এজেন্ট ফিচারগুলোকে একটি একক API‑তে একত্রিত করে, যা রিয়েল‑টাইম ভয়েস অ্যাপ্লিকেশন ডেভেলপমেন্টকে সহজ করে।
Google-এর llm-d 1.0 Kubernetes-এ বড় পরিসরের AI ইনফারেন্স অপ্টিমাইজ করে, যা self-hosted agent এবং reinforcement learning workload-এর load-balancing সমস্যা সমাধান করে।
NVIDIA-এর নতুন জেনারেটিভ সিমুলেশন টুলটি বাস্তবসম্মত, AI-চালিত দৃশ্য তৈরি করে ক্লিনিক্যাল সার্জারি প্রশিক্ষণকে রূপান্তরিত করে, যা চিকিৎসা শিক্ষা ও সার্জিক্যাল দক্ষতা বৃদ্ধি করে।