databricks

Крок за кроком: Databricks керує відкритими моделями на кшталт Kimi, а обсяг GPU в Азії майже вичерпано; попит у Японії, Південній Кореї, США та Індії продовжує зростати.

Сила Kimi полягає не лише в клієнтському сегменті: у B2B також стрімко вибухає попит на GPU. Клієнти Databricks рахують обчислювальну потужність, Databricks має купувати GPU, а купівля GPU потребує величезного фінансування — на кожному етапі ланцюжка всі кричать: "недостатньо".

У звіті Alibaba ріст хмарного сегмента склав понад 40%, а місткість Databricks в Азії вже на межі. Перегони озброєнь в AI-обчисленнях уже перейшли від теми "чия модель краща" до теми "в кого більше GPU". Це війна з боку пропозиції, і попит з боку споживання ніколи не був проблемою.

#AI #GPU #Databricks

Omnigent — відкритий інструмент для мета-розгортання агентів від Databricks, що вирішує складні задачі координації та безпечного контролю для багатьох агентів

Databricks під ліцензією Apache 2.0 відкриває фреймворк для мета-розгортання агентів Omnigent. Він працює поверх наявних інструментів, зокрема Claude Code, Codex і Pi, та дає змогу перетворювати агентів з різних фреймворків на взаємодіючі компоненти системи. На рівні мета-розгортання Omnigent безпосередньо впроваджує станний (stateful) механізм безпечного контролю: він підтримує перехоплення дії git push після завантаження npm-залежностей агентами з подальшим запитом на ручне погодження, або ж дозволяє встановити ліміт витрат на LLM — і призупинити роботу, коли накопичені витрати досягнуть 100 доларів. Фреймворк також інтегрує мережевий запит-сandbox, щоб запобігти витоку чутливої інформації.

Чому це важливо: Omnigent заповнює прогалину в інтероперабельності (взаємодії) у сфері оркестрації багатьох агентів, забезпечуючи критично необхідну інфраструктуру безпечного контролю для того, щоб AI-агенти переходили від експериментів до корпоративних розгортань.

#Databricks #AI #Agent #Відкритий код