作为CentOS的Linux母公司,红帽正式宣布将发展重心由CentOS Linux,即Red Hat Enterprise Linux的重构版本,转向CentOS Stream时,各位CentOS铁粉当时就不乐意了。如今为了安抚用户情绪并兑现自身做出的开源承诺,红帽决定面向开源基础设施推出一套新的免费RHEL版本,即RHEL for Open Source Infrastructure。
非营利组织、项目、团体或者基金会如果参与了开源贡献,均可通过此项计划免费获取RHEL订阅服务。今年年初,红帽就已经将这套免费RHEL交付给小型生产负载与客户开发团队。
那么,开源企业未来该如何选择红帽操作系统方案?要回答这个问题,我们先对红帽系统的家族现状进行一番梳理:
• Fedora专门用于推动与Linux操作系统改进及增强相关的前沿开发工作;
• CentOS Stream用于针对全球各领先企业级Linux平台的下代版本进行应用程序与工作负载测试;
• RHEL for Open Source Infrastructure将为各开源社区、项目、基金会及其他企业组织提供稳定的基础,用于创建并托管各类创新型开源软件。
当然,也可以继续使用付费版RHEL。
红帽开源项目办公室经理Jason Brooks解释道,红帽一直将支持开源软件生态作为一大核心目标。红帽要做的不仅是通过RHEL及其他红帽解决方案为开源环境提供必要支持,同时也将作为整体且相互储存的生态系统中的组成部分,在推动成果发展与技术支持的同时从中汲取营养。这方面支持工作将体现为多种形式,包括协助开源软件项目、基金会及标准机构轻松获取企业级技术并借此进行开发与测试等工作。
红帽之前就经常向开源团队免费提供RHEL访问许可,但这方面工作还在正式程度、一致性、可访问性和透明度上还没有达到红帽的预期。随着红帽宣布于2021年底将资源全面转向CentOS Stream,红帽希望开源组织能够在未来构建及测试开源软件时,以更灵活的免费方式使用RHEL。
Brooks还补充道,过去红帽曾经尝试为开源组织免费提供RHEL,但具体工作做得还不够好。如今,“我们希望确保参与开源的组织能够在未来构建及测试开源软件时,以更灵活的免费方式使用RHEL。”
换句话说,当前的RHEL版本还不适用于全体开源开发组织。Brooks解释道,“我们也很清楚,目前这项计划没能将使用第三方公共持续集成(CI)基础设施的开源项目纳入进来。因此,我们还将不断拓展RHEL计划以满足社区需求,也欢迎大家踊跃提出宝贵意见。”
作为RHEL的忠诚拥趸,GNOME基金会率先对新计划给予肯定。基金会执行董事Neil McGovern表示,作为非营利组织,GNOME一直依靠捐赠资源帮助自身实现发展目标,即建立一个每位参与者都能借助可信技术获得赋能的新世界。RHEL订阅正是其中的重要一环。凭借完整的操作系统管理与安全更新体系,GNOME不再受底层系统的困扰,能够专注于为GNOME用户及开发者提供服务。多年以来,红帽一直以零成本形式向GNOME慷慨地提供这些服务,GNOME也期待在可预见的未来稳定维持双方的合作关系。
GNOME也是RHEL Workstation中的默认桌面选项。Linux供应商与各开源组织之间长期以来密切协作,保持着良好的对接关系。这也正是开源文化的一大贡献——即使是商业上的死敌,也完全可以在项目层面配合无间。
但也有反对的声音存在。一位Reddit CentOS用户就抱怨,“红帽做出变化的唯一原因,就是用户们的激烈反对。”但也有其他人指出,红帽打一开始就承诺在公布CentOS发展路线变更时,同步推出“针对各类用例的低成本或免费程序,包括面向开源项目及社区的系统方案。”
如果免费版RHEL还是满足不了大家,红帽还准备了多种CentOS替代方案以及两套新的RHEL克隆,直接复制了原版CentOS的AlmaLinux与Rocky Linux功能,预计未来几周内即可做好生产就绪准备。
好文章,需要你的鼓励
MariaDB企业平台2026版本集成了RAG管道和AI代理支持,并通过基于Exasol的Exa内存引擎显著加速分析处理。该平台将事务、分析和AI数据库引擎统一到单一高性能平台中,支持检索增强生成管道和AI代理。新版本提供开箱即用的RAG功能,内置自然语言交互的AI副驾驶,包括开发者和DBA助手。MariaDB Exa分析引擎处理多TB复杂分析的速度比传统OLTP引擎快1000倍以上。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
软件定义高性能全闪存存储公司PEAK:AIO正在采用并行NFS(pNFS)技术,从单节点系统向横向扩展产品演进。该公司宣布将pNFS元数据软件开源,旨在为HPC环境提供现代化文件系统替代方案。PEAK:AIO的单个2RU系统可实现320GB/s性能并支持线性扩展,同时探索CXL技术以降低GPU访问延迟,计划构建统一的块、文件和对象协议系统。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。