OpenStack社区今日发布了OpenStack 2026.1版本,代号Gazpacho,为云计算、裸机、网络和存储领域带来显著改进,重点关注运维体验和工作负载迁移能力。这是自OpenStack 2025.2 Flamingo版本以来的首次发布,该版本专注于消除技术债务和推进机密计算支持。
在六个月的开发周期中,来自100个组织的约500名贡献者提交了9000项代码变更。值得注意的是,40%的贡献来自欧洲贡献者,这与推动OpenStack在该地区采用的数字主权倡议增长有关。Gazpacho也是一个SLURP版本,意味着运行上一个SLURP版本2025.1 Epoxy的运维人员可以直接升级到2026.1,无需中间步骤。
计算能力显著提升
Gazpacho版本中的计算改进直接响应了从VMware迁移的运维人员的需求。Nova项目的头条功能是并行实时迁移。在VMware中,实时迁移通常被称为vMotion,经常被用户视为部署中的关键功能。
以前,OpenStack中的实时迁移使用单个内存传输连接将虚拟机内存从一台主机复制到另一台主机。该过程通过复制完整内存状态,然后复制增量数据直到没有剩余增量并完成切换。这种传输以单线程运行。
Gazpacho改变了底层算法。现在多个内存传输连接同时运行,将网络传输分片到并行线程中。OpenInfra基金会总经理Thierry Carrez表示:"内存传输过程通过多个线程进行,不再是先传输整个内容,然后传输新的增量,再传输新新增量的方式。"
第二个主要的Nova增强是对基于虚拟可信平台模块(vTPM)的实例的实时迁移支持,vTPM存储用于保护工作负载数据的加密密钥。移动依赖vTPM的虚拟机历来需要单独处理密钥材料。
Gazpacho通过在OpenStack的密钥管理服务Barbican中持久化TPM密钥,并在迁移过程中传输到目标主机来解决这个问题。
裸机服务智能化改进
Ironic裸机服务获得了多项专注于减少运维人员在部署时必须明确决策数量的变更。
自动检测部署接口消除了手动指定部署方法的要求。Ironic现在检查镜像元数据和节点配置来选择适当的部署方法。
基于特征的端口调度将Ironic的网络端口调度扩展到纳入存储为元数据的物理网络属性。以前,端口调度可以按可用区或地区分组,但无法考虑物理网络特性。运维人员现在可以表达诸如双冗余10Gb连接之类的要求,调度器将分配端口匹配这些物理属性的裸机节点。
网络功能增强
Gazpacho的网络变更主要集中在Neutron中的OVN驱动程序上,扩展了Flamingo版本开始的工作。
OVN驱动程序现在包含BGP支持。Carrez表示这一增加解决了大规模路由需求。该版本还为外部端口添加了南北路由,涵盖SR-IOV端口和通过PCI直通暴露的端口。
人工智能支持初露端倪
Gazpacho通过Cyborg项目展现了对AI的早期支持。Cyborg管理OpenStack中的加速器连接,处理GPU、FPGA、NPU和其他硬件。该项目此前处于维护模式,新开发有限。Gazpacho反映了重新投资,包含涵盖所有支持的加速器类型的新驱动程序配置指南。
下一个OpenStack版本2026.2 Hibiscus计划于2026年9月发布。项目团队将在本月晚些时候聚集定义优先级。
Q&A
Q1:OpenStack Gazpacho版本的并行实时迁移功能有什么优势?
A:并行实时迁移改变了底层算法,使用多个内存传输连接同时运行,将网络传输分片到并行线程中,显著提升了性能,使OpenStack的实时迁移行为更接近VMware环境中的vMotion功能。
Q2:Gazpacho版本如何支持基于vTPM的虚拟机迁移?
A:Gazpacho通过在OpenStack的密钥管理服务Barbican中持久化TPM密钥,并在迁移过程中传输到目标主机来实现。这使得密钥能够恢复到下一个vTPM中,真正实现了敏感工作负载的安全移动。
Q3:OpenStack在AI支持方面有什么新进展?
A:Gazpacho版本通过重新投资Cyborg项目展现了对AI的支持。Cyborg管理GPU、FPGA、NPU等加速器硬件,并提供了涵盖所有支持的加速器类型的新驱动程序配置指南,为AI推理工作负载提供更好的支持。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。