至顶网软件频道消息: 对于那些想知道微软在今年早些时候买下GitHub之后会对Visual Studio Team Services(VSTS)做什么的人来说,答案来了。微软正在将VSTS“演变”为一系列的Azure DevOps服务。
VSTS是微软在代码开发和部署协作方面的服务。它包括用于源代码控制的Git存储库、构建和发布管理支持、规划和跟踪工作的工具、测试工具、对Slack和Trello等相关服务扩展的支持,以及其他各种Azure服务。
微软9月10日公布的、新的Azure DevOps计划将开始在几个月内将现有的VSTS用户迁移到Azure DevOps。VSTS的本地补充——即Team Foundation Server(TFS)用户将在下一个版本的TFS中变成Azure DevOps Server。TFS用户将继续根据Azure DevOps中的功能获得更新。
去年,微软推出了第一个使用“Azure DevOps”品牌的服务的预览版本——Azure DevOps Projects。这项服务让开发人员能够基于Azure App Service发布应用程序,并且从Azure门户的单一视图中监控这些应用程序。
微软正在研究和重新命名许多VSTS服务以创建Azure DevOps产品系列。这些服务适用于公共云和私有云,因此用户可以选择在自己的数据中心中运行它们。
今天宣布的产品有:
● AzurePipelines:CI / CD(持续集成/持续交付)服务,可以与任何语言、平台或云一起使用,并连接到GitHub或任何其他的Git存储库。(微软在博客文章中写道:“如果你想使用Azure Pipelines从GitHub中的repo构建和测试节点(Node)服务,并将其部署到AWS中的容器里,那就去吧。”)
● Azure Boards:使用Kanban面板、backlogs、团队面板和报告跟踪工作。
● Azure Artifacts:来自公共和私有来源的Maven、npm和NuGet包。
● AzureRepos:云托管的私有Git repos。
● Acean测试计划(Azure Test Plans):计划的及探索性测试解决方案。
VSTS目前包括CI/CD、Boards、包管理、Git集成和测试以及一系列其他协作、管理和附加服务。
当微软宣布计划以75亿美元收购GitHub时,该公司的管理层很快宣称对GitHub的收购并不意味着VSTS的结束。
微软在宣布收购当天的博客文章中是这样表示的:
“有了GitHub的加入,VSTS和TFS变得更加强大。一些客户更喜欢简单的集成解决方案,其他客户希望逐步采用DevOps工具,组装定制解决方案。多年来,我们一直在为产品添加可扩展性和集成功能。今天,VSTS和TFS与GitHub集成都将继续深入下去。GitHub提供了一个出色的开发人员社交平台和版本控制系统,对于开发人员具有广泛的吸引力。VSTS提供了广泛的DevOps服务,可以扩展到最大的企业。团队可以在这两个世界中左右逢源,选择他们想要的东西。”
官方当时表示,VSTS将变得更加模块化,既可作为单一集成套件,也可作为一组单独的服务。
微软一直在打造TFS 2019,我现在假设它将被重新命名为Azure DevOps系列服务。根据从Windows团队在用Fluent设计语言所做的事情这条线索进行推断,该团队还在重新开发VSTS用户界面。
微软正在为那些构建开源项目的人免费提供Azure Pipelines。(他们可以免费获得无限的CI/CD分钟数和10个并行作业。)微软还为最多5个用户的小型团队免费提供Azure DevOps Services,10个用户的团队每月的使用费用为30美元。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。