IBM表示,在宣布收购专注于Kubernetes环境成本管理的初创公司Kubecost的计划后,该公司正在扩展其云财务运营能力。
该公司没有透露收购Kubecost(正式名称为 Stackwatch)的价格,但这只是一连串相关收购中的最新的一笔。
总部位于旧金山的 Kubecost成立于2019年,是一家基于云服务的公司,帮助企业监控和优化承载现代应用组件的Kubernetes集群。它旨在确保这些集群最有效地利用计算资源,从而实现更好的成本管理。
Kubecost的旗舰产品名为Kubecost Cloud,它基于开源OpenCost项目。它为开发人员和工程团队提供可操作的、与 Kubernetes 安装成本相关的准确数据,以及其他各种有助于降低软件运行成本的工具。它可以部署在任何Kubernetes集群内,在不影响应用程序性能的情况下,设法降低运行成本。
这种对效率的关注与IBM在FinOps领域的努力不谋而合。2023年6月,IBM收购了一家名为Apptio的初创公司,该公司提供的工具可以从各种财务、运营和计费系统中获取数据,可以依据事实对技术成本、质量和价值有一个了解。
在此次收购之前,IBM还打开支票簿,收购了同样专注于云成本优化的初创公司Turbonomic和Instana。此外,2019年,Apptio还收购了另一家名为Cloudability的初创公司,该公司专门跟踪多云成本。
IBM 表示,Kubecost的功能将被集成到不断扩大的FinOps套件中,增强Apptio、Cloudability、Instana和Turbonomic的综合能力,从而提供可能是最全面的成本监控工具集。虽然该公司没有明说,但Kubecost的技术显然也有可能与IBM的OpenShift应用开发平台集成。
在今天的收购之前,Kubecost已于2022年通过由Coatue Management领投的A轮融资筹集了2500万美元,这是继一年前550万美元种子轮融资之后的又一轮融资。
Kubecost联合创始人兼首席执行官Webb Brown对此次收购表示兴奋。他说:“我们以Kubernetes成本监控起家,并已自豪地成为云原生生态系统中最广泛采用的解决方案。”“现在,通过这次合并,我们将为各地的团队提供更广泛的端到端成本管理解决方案,从而加速完成我们的使命。”
Brown于2022年1月参加了SiliconANGLE的移动直播工作室的theCUBE节目,他在节目中更详细地讨论了OpenCost项目,并解释了该项目如何帮助一些公司将Kubernetes支出减少了高达80%:
好文章,需要你的鼓励
这项来自麻省理工和滑铁卢大学的研究质疑了在AI文本排序中"思考过程"的必要性。研究者比较了三种文章重排模型:直接判断的StandardRR、先推理再判断的ReasonRR,以及禁用推理功能的ReasonRR-NoReason。实验结果表明,不仅推理过程没有提高排序质量,有时甚至会降低效果。主要原因是推理导致模型倾向于极端判断,难以表达"部分相关"这种微妙关系。即使应用"自洽性"等改进技术,简单直接的判断方式仍然更为高效有效。研究为信息检索系统设计提供了新视角:有时,少即是多。
TAGS是一种创新的医学问答框架,结合了泛医和专医两种视角,通过层次化检索和不确定性验证机制提升医学AI回答的准确性。该框架由穆罕默德·本·扎耶德人工智能大学等机构的研究团队开发,无需任何模型微调即可显著提升包括GPT-4o和DeepSeek-R1在内的大型语言模型在九个医学问答基准测试上的表现。TAGS通过模拟医疗专家协作、结构化知识检索和质量控制,解决了现有方法在复杂医学推理中的短板,为构建更可靠的医学AI系统提供了新思路。
这篇研究提出了时间抽象值学习(OTA)方法,解决离线目标条件强化学习中的长期规划问题。研究团队发现现有分层方法失败的关键在于高层策略无法生成合适子目标,原因是价值函数在长期规划中估计不准确。OTA通过"选项"概念实现时间抽象,有效缩短规划视野,使价值函数能提供更准确的优势信号。在复杂迷宫导航和视觉机器人操作任务中,OTA显著优于现有方法,证明了该方法在处理长期任务时的有效性。
这项研究探索了大语言模型内部可解释特征的形成过程,分析了它们在训练过程中(时间)、模型层级间(空间)和不同规模模型(尺度)的行为变化。研究团队使用稀疏自编码器技术,成功识别出特定语义概念在神经激活中出现的时间点和位置。研究结果显示,不同领域的知识概念在模型训练和规模扩展中存在明确的激活阈值,且在空间分析中发现了早期层特征会在后期层重新激活的现象,这挑战了对变换器模型表示动态的传统认知。