Kubernetes Teams Get a Safer Way to See Their Own GPU Metrics

Distributed LLM Inference on Kubernetes with llm-d, Wasm, & TornadoVM

Edoardo Vacchi covers the evolving landscape of WebAssembly on the backend, running Java workloads on GPUs using TornadoVM, and optimizing distributed AI inference using llm-d and vLLM on Kubernetes.

A refreshed Network Policy Editor website and two new VS Code extensions

Meet the refreshed Network Policy Editor and two new VS Code plugins.

Linux 7.4-rc2 Released With FAT32 Optimization, AMDGPU HDMI 2.2 Improvement

Linus Torvalds released Linux 7.4-rc2, calling it a big rc2 following the largest ever rc1. The release includes a notable FAT32 performance improvement, especially for synchronous mounts, AMDGPU driver fixes for HDMI 2.2 FRL, and numerous fixes for long-standing core memory management bugs. Torvalds noted the diffstat looks benign and is largely driven by automated coccinelle script updates that add noise, and that AI-generated fixes and bug reports continue to pour in. He said Alexei claims fixes on the bpf side are now coming in faster than new reports. Linux 7.4 is aiming for a stable release around the end of December.

Kubernetes Multi-Tenancy, Layer by Layer: Isolation Proved by Being Refused

“” is published by Filipe Motta in ITNEXT.

I changed one llama.cpp flag, and my 8GB laptop GPU now runs a 35B model faster than I can read

Một lập trình viên đã tìm ra cách chạy model Llama 35B trên laptop GPU chỉ 8GB VRAM với tốc độ đáng kinh ngạc. Nguyên nhân kỹ thuật nằm ở việc chỉnh sửa cờ n_gpu_layers trong llama.cpp, cho phép tận dụng hiệu quả bộ nhớ VRAM thay vì để nó trở thành điểm nghẽn. Hệ quả là model 35B parameters chạy nhanh đến mức người dùng không kịp theo dõi, vượt xa các kỳ vọng ban đầu về giới hạn phần cứng. Điều đáng học hỏi là đôi khi vấn đề không nằm ở cấu hình phần cứng mà ở cách tối ưu hóa phần mềm để khai thác tiềm năng thực sự của hardware.

Bài viết tiết lộ cách tối ưu hóa một cờ trong llama.cpp để chạy mô hình 35B trên GPU 8GB nhanh hơn tốc độ đọc của bạn.

How to Build an Agentic Development Tech Stack

Bối cảnh xây dựng agentic development tech stack đang trở nên quan trọng khi các hệ thống AI tự chủ ngày càng phổ biến. Nguyên nhân kỹ thuật đến từ nhu cầu tích hợp nhiều thành phần như models, orchestration, memory, tools, observability, evaluations, guardrails và testing. Hệ quả là việc thiếu kế hoạch tổng thể dẫn đến hệ thống phức tạp, khó bảo trì và không đảm bảo chất lượng. Điều đáng học là cần có thiết kế hệ thống có cấu trúc, rõ ràng cho từng thành phần để tạo ra nền tảng agent mạnh mẽ và đáng tin cậy.

Bài này giúp bạn thiết kế hệ thống công cụ phát triển agent hiệu quả với các thành phần then chốt như model, orchestration và bảo mật.

Why Other Requests Change Your LLM’s Output

+ an update on Harness Engineering 2.0.

Multi-Tenant Best Practices Can Backfire

Multi-tenant architecture giúp tối ưu tài nguyên nhưng các best practices như shared database và tenant context thực chất che giấu những trade-off. Việc sử dụng tenant-aware filtering trong PostgreSQL hay Redis cho mỗi request tăng latency lên đến 30-50ms. Shared database dẫn đến rủi ro data leakage khi tenant_id bị bypass trong 1 truy vấn SQL. Feature flags tuy linh hoạt nhưng gây khó khăn trong việc theo dõi bug và triển khai thực tế. Bạn nên cân nhắc trade-off giữa isolation và performance trước khi áp dụng các giải pháp multi-tenant.

Multi-Tenant Best Practices Can Backfire giúp lập trình viên nhận diện những điểm mù khi triển khai đa khách hàng và tránh các vấn đề tiềm ẩn.