Robocikowo>ROBOCIKOWO
Platforma AIAI-enabled

Red Hat OpenShift

Oparta na Kubernetes platforma aplikacji kontenerowych Red Hat, rozszerzona o komponent MLOps/LLMOps (OpenShift AI) do trenowania, serwowania i zarządzania modelami AI.

Producent:Red HatChmura zarządzana · On-Premises · Hybrydowy · EdgeFedRAMP High · SOC 2 Type II · SOC 3Wydano:4 maj 2011
Data ResidencySovereign Cloud
Red Hat OpenShift
SDK / Języki
4python, go, javasc…
Uptime SLA
99.95%
Robotics-Ready
✓

Opis

Red Hat OpenShift to oparta na Kubernetes platforma aplikacji kontenerowych rozwijana przez Red Hat (spółkę zależną IBM od 2019 roku). Pierwsza wersja ukazała się w 2011 roku, a od wersji 3 (2015) platforma jest zbudowana wokół Kubernetes. OpenShift 4 wykorzystuje system Red Hat Enterprise Linux CoreOS oraz Operatory do automatycznego zarządzania cyklem życia klastra.

Platforma występuje w wielu wariantach: samozarządzany OpenShift Container Platform (on-premises i w chmurze), usługi w pełni zarządzane — ROSA (Red Hat OpenShift Service on AWS), ARO (Azure Red Hat OpenShift) i OpenShift Dedicated — oraz społecznościowa dystrybucja OKD. Interakcja z klastrem odbywa się przez interfejs wiersza poleceń oc, API Kubernetes (REST) oraz Operatory.

Komponent AI/ML stanowi Red Hat OpenShift AI (dawniej OpenShift Data Science) — platforma MLOps/LLMOps do trenowania, serwowania i monitorowania modeli. Wykorzystuje KServe i vLLM do serwowania modeli, potoki data science (Kubeflow Pipelines), rejestr modeli, MLflow oraz narzędzia TrustyAI do wykrywania dryfu i oceny stronniczości. Obsługuje wdrożenia hybrydowe, w tym środowiska odłączone (disconnected) i prywatne AI.

MLOps LifecycleMLOps LifecyclePełny cykl życia modelu: rejestr, feature store, prompt management, monitoring i human-in-the-loop.

4/8 wspieranych

Rejestr modeli

Wersjonowanie — wersjonowanie artefaktów modelu
Przepływy zatwierdzania — przepływ zatwierdzania przed produkcją
Niezmienne artefakty — niezmienność zapisanych wersji
Śledzenie rodowodu — śledzenie powiązań danych i modeli
2 / 4 wspierane · 2 niespełnione ukryte

Monitoring

Wykrywanie dryftu danych — wykrywanie dryftu danych wejściowych
Wykrywanie dryftu koncepcyjnego — wykrywanie dryftu koncepcyjnego
Monitorowanie halucynacji — monitorowanie halucynacji LLM
Ewaluacja stronniczości — narzędzia do ewaluacji stronniczości
2 / 4 wspierane · 2 niespełnione ukryte

Dane i wiedzaZarządzanie danymi i wiedząKonektory danych, integracja z bazami wektorowymi, native vector search i mechanizmy zarządzania danymi (PII, provenance, dane syntetyczne).

ZastosowaniaZastosowania AIDziedziny i scenariusze zastosowania, do których platforma jest najlepiej dopasowana – od RAG i fine-tuningu po zastosowania naukowe.

6

BezpieczeństwoBezpieczeństwo EnterpriseZestaw certyfikacji, kontroli dostępu oraz funkcji ochrony danych, kluczowych dla wdrożeń korporacyjnych i zachowania prywatności w chmurze.

Ekosystem deweloperskiEkosystem DeweloperskiZasoby wspierające programistów: dostępne biblioteki SDK, wspierane języki programowania oraz funkcje infrastrukturalne i metody wdrażania modeli.

Języki SDK
PyPythonGoGoJSJavaScriptTSTypeScript
Typ API
RESTgRPC
Społeczność i zasoby
Biblioteka szablonów
Szybki start
Dokumentacja API
Samouczki

Relacje organizacyjneRelacje z organizacjamiMapa kluczowych powiązań biznesowych i technologicznych z innymi organizacjami, w tym dystrybutorami, inwestorami i laboratoriami badawczymi.

$

Cennik i model biznesowyCennik i model biznesowyModele rozliczeń (usage-based, provisioned throughput), limity zasobów oraz parametry SLA (uptime, poziomy wsparcia).

Modele cenowe

Płatność za użycie
Subskrypcja warstwowa

Limity zasobów

Per projekt
Per użytkownik
Alerty kosztów

SLA i wsparcie

99.95%uptime SLA
StandardowyEnterprise 24/7

ŹródłaArchiwum DokumentacjiScentralizowana baza linków do oficjalnych źródeł, instrukcji technicznych, repozytoriów oraz notatek wydawniczych (release notes).

Dane zweryfikowane: 1 paź 2026