Számológép már elindult. Különleges esemény, KubeCon + CloudNativeCon Japan 2026, melyen a clouden alapuló ökoszisztéma Tokióban találkozik. Az esemény, mely a 2026. július 28-i kedden 09:00-tól 12:30-ig tart, a KeycloakCon Japan…
A globális adatközpontok energiafogyasztása 1,9%-át teszi ki az összes termelésnek, miközben a “halott” feladatok 3 GW-os amerikai kapacitást is elhasználnak, és egy 100 MW-os projekt késedelme akár 1 milliárd dollárt is jelenthet.
A Google rég óta a gyakorlati üzleti igényekre összpontosít, a nagy szervezetek számára elengedhetetlen infrastruktúra, biztonság és adatplatformokra összpontosít. Biztonságra és előrejelthetőségre összpontosítva a Google olyan megoldásokat kínál, amelyek üzleti hatást eredményeznek. A Google vezető szerepe az IDC MarketScape alapmodelli szoftverekben azt mutatja, hogy képesek kutatást biztonságos rendszerekbe fordítani. A Gemini Enterprise platform segítségével a vállalatok hatékonyabban használhatják az AI-t, lehetővé téve a dinamikus agentek számára, hogy biztonságosan kezeljék a komplex folyamatokat. A Gemini 3.5 sorozat, amely bonyolult feladatokra készült, ezt a megközelítést példázza, lehetővé téve a fejlesztők és a vállalkozások számára, hogy a könnyen integrálható AI-t a működésbe építsák.
Az AI-modellek működtetése a termelési környezetben kihívást jelenthet, de a Claude a Google Cloudon ezt megoldja. Ez egyesíti a Claude értelemi képességeit a Google Cloud által biztosított, kezelt infrastruktúrával, hogy a különböző vállalati igényekhez könnyen használható legyen. Ez lehetővé teszi a alacsony késés, a megfelelés és az optimalizált teljesítményt, így a csapatok el tudják felejteni az infrastruktúra kezelését. A platform különböző végpont típusokat támogat, hogy globális és regionális igényeket is kielégítsen, miközben biztosítja a biztonságot és a költséghatékonyságot, különösen a szabályozott iparágakban. Funkciók, mint például a prompt-ok gyorsításhoz és a többfázisú előrejelzés, lehetővé teszik, hogy az szervezetek a teljesítményt javítsák, miközben hatékonyan kezelik a költségeket. Az integráció egységes megközelítést biztosít az inferenciához és az agent funkciókhoz, elősegítve a gördülékeny fejlesztést és a telepítést.
A Google, valamint az ipari partnerei közösen bevezették az Agentic Resource Discovery (ARD) specifikációt, egy nyílt szabványt, amely a mesterséges intelligencia eszközök, API-k és agentek publikálására, felfedezésére és ellenőrzésére szolgál. Ez a szabvány egy felfedezési réteget tartalmaz, amely katalógusokat és regisztereket használ a dinamikus képesség felfedezésének elősegítésére. Emellett olyan bevált protokollokat használ, mint a MCP és az OpenAPI, a megbízhatóság és az interoperabilitás növelésére az AI ökoszisztémában.
Az AI hatással van a sziberbiztonsági szakemberek napi munkájára, különösen a stressz szempontjából, de az ISC2 adatgyűjtési feladatra válaszolók között megoszlanak, hogy a stresszük nő-e vagy csökken.
Amikor egy sikertelen DNSSEC kulcs frissítés a .al TLD-t leállította, egy Negatív Bizalom Alkotót telepítettünk, hogy helyreállítsuk a megoldást. Ekkor azonban az ügyfelek nem voltak kénytelenek a mi szavunkat hinni: a 1.1.1.1 EDE 33-as hibakódot visszaadta, amely közvetlenül a válaszban jelzi, hogy a DNSSEC hitelesítés elkerült.
Amikor először elkezdettük a kagent fejlesztését, nem futtattuk minden agentet saját Kubernetes Podban, Service-ben és ServiceAccount-ban. Ehelyett az agentek egyszerűen a kagent futtató rendszeren futottak. Ez volt a leghasznosabb architektúra: egy futtató rendszer…
A Google Genkit Agents API-t TypeScript és Go-hoz tekinthető előzetes verzióban jelentette be. Az nyílt forrású keretrendszer üzenet-történetet, eszköz-ciklusokat, streaminget és állapot-megőrzést egyetlen chat() interfész mögött. A különálló üzemeltetők lehetővé teszik, hogy az üzemeltetők a kliens elválasztása után is dolgozzanak. Az megszakítható eszközök a működési módot lehetővé teszik a felhasználó számára, az anti-forgery validációval a folytatás során. Forrás: Steef-Jan Wiggers
A Seph Gentle által javasolt megközelítés, amely az HTML és HTTP tartós alkalmazkodóképességét kihasználja, azt javasolja, hogy önálló szkémákat közvetlenül a fájlfejekbe építs, így az adatok olvashatók maradnak, anélkül, hogy külső definíciókra kellene támaszkodni. Az kísérleti formátuma a előre, hátra és oldalra irányú kompatibilitást prioritizálja, lehetővé téve az adatformátum fejlődését központi koordináció nélkül vagy adatok elvesztése nélkül.