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

Any agent anywhere: How to use Grafana Cloud with Claude, Cursor, and any other AI agent

Learn how any agent—whether it's Grafana Assistant, a coding agent in your IDE, or a tool you’ve built yourself—can interact with Grafana Cloud and use your observability data to find root causes faster.

How we investigated prompt cache misses with Datadog

An investigation of prompt cache misses in internal AI applications by using Datadog Cloud Cost Management and Agent Observability.

What Is OpenTelemetry? A Guide to the OTel Framework

What is OpenTelemetry? See how the OTel framework standardizes traces, metrics, and logs so you can switch backends freely.

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

“” is published by Filipe Motta in ITNEXT.

100% GPU Utilization, 39% of Rated FP16

nvidia-smi GPU-Util says a kernel ran, not how much work the GPU did. How DCGM metrics on Kubernetes show real GPU throughput, power caps and node health.

Faster LLM inference startup: What you need to know

Adding an inference replica creates capacity only after the new instance can serve requests. Between starting a process and generating a response…

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.

Nvidia Kubernetes Engine (NVKE)

NVIDIA Kubernetes Engine (NVKE). A management plane for GPU Kubernetes on bare metal. - dsx-ai-factory/nvke