02 de abril de 2025.- Red Hat, Inc., el proveedor líder mundial de soluciones open source, anunció hoy las últimas actualizaciones de Red Hat AI, su portfolio de productos y servicios diseñados para acelerar el desarrollo y la implementación de soluciones de IA en la nube híbrida. Red Hat AI es una plataforma de IA empresarial para el entrenamiento y la inferencia de modelos que ofrece una experiencia simplificada, mayor eficiencia y flexibilidad para realizar implementaciones en cualquier lugar de la nube híbrida.

Si bien las empresas están buscando formas de reducir los costos de implementar modelos de lenguaje de gran tamaño (LLM) a gran escala para atender una cantidad de casos de uso cada vez mayor, siguen lidiando con el desafío de integrar esos modelos con sus propios datos, que son los que generan esos casos de uso, y de poder acceder a ellos donde sea que se encuentren, ya sea en un centro de datos, en nubes públicas o incluso en el edge.

"Red Hat es consciente de que, a medida que las empresas lleven más casos de uso a producción y los ejecuten a gran escala, necesitarán contar con alternativas para gestionar el creciente costo de sus implementaciones de IA generativa. También deben resolver el desafío de integrar modelos de IA con datos empresariales propios y poder implementar estos modelos dondequiera que se encuentren los datos. Red Hat AI ayuda a las empresas a responder a estos desafíos al permitirles sacar provecho de modelos más eficientes, diseñados para casos específicos y entrenados con sus propios datos, y facilitar una inferencia flexible en entornos locales, en la nube y en el edge", indicó Joe Fernandes, vicepresidente y gerente general, Unidad de Negocio IA, Red Hat.

Red Hat AI, que abarca tanto Red Hat OpenShift AI como Red Hat Enterprise Linux AI (RHEL AI), responde a estas inquietudes por medio de una plataforma de IA empresarial que permite a los usuarios adoptar modelos más eficientes y optimizados en función de datos específicos del negocio, que luego se pueden implementar en una amplia gama de arquitecturas de computación acelerada en toda la nube híbrida, tanto para entrenamiento como para inferencia.

Red Hat OpenShift AI

Red Hat OpenShift AI ofrece una plataforma de IA completa para gestionar ciclos de vida de la IA predictiva y generativa en toda la nube híbrida e incluye capacidades de operaciones de aprendizaje automático (MLOps) y de operaciones de modelos de lenguaje de gran tamaño (LLMOps). La plataforma proporciona la funcionalidad necesaria para crear modelos predictivos y ajustar modelos de IA generativa, además de herramientas que simplifican la gestión de modelos de IA, desde la ciencia de datos y los pipelines de modelos, hasta el monitoreo y el gobierno de modelos, entre muchos otros.

Red Hat OpenShift AI 2.18, la última versión de la plataforma, suma nuevas actualizaciones y capacidades que promueven el objetivo de Red Hat AI de incorporar modelos de IA mejor optimizados y más eficientes a la nube híbrida.

RHEL AI

RHEL AI forma parte del portfolio de Red Hat AI. Es una plataforma de modelos base para desarrollar, probar y ejecutar LLM de manera más uniforme con el fin de potenciar aplicaciones empresariales. RHEL AI ofrece a los clientes herramientas de alineación de modelos de LLM Granite e InstructLab empaquetadas como una imagen de servidor de Red Hat Enterprise Linux de inicio, que se pueden implementar en la nube híbrida.

Desde su lanzamiento en febrero de 2025, RHEL 1.4 ha incorporado varias mejoras, entre ellas:

- Soporte para el modelo Granite 3.1 8B, para la última incorporación a la familia de modelos Granite con licencia open source. Este modelo añade soporte multilingüe para la inferencia y la personalización de taxonomías/conocimientos (versión preliminar para desarrolladores) junto con una ventana de contexto de 128k para mejorar los resultados del proceso de resumen y las tareas de generación aumentada de recuperación (RAG).

- Una nueva interfaz gráfica de usuario para el aporte de habilidades y conocimientos, disponible como versión preliminar para desarrolladores, para simplificar la introducción y la fragmentación de datos, así como la forma en que los usuarios incorporan sus propias habilidades y aportes a un modelo de IA.

- Document Knowledge-bench (DK-bench), para facilitar la comparación entre los modelos de IA ajustados en función de datos privados relevantes y el rendimiento de los mismos modelos base no ajustados.