Kubeflow 邁向 CNCF 畢業並發布多項 AI 更新：KServe 導入 LLM 推論 CRD、Kale 2.0 支援管線 v2 架構

Kubeflow 專案發布多項技術更新，強化 Kubernetes 上的分散式 AI 與高效能運算（HPC）能力，並正邁向雲原生運算基金會（CNCF）的畢業階段。 在模型推論方面，核心元件 KServe 導入了 LLMInferenceService CRD，使大型語言模型服務成為平台的一級元件。此更新支援跨節點的分散式推論，並提供與 OpenAI 相容的 API。 開發工具與 SDK 也有重大升級。新推出的 Kale 2.0 支援 Kubeflow Pipelines v2 架構，資料科學家無需編寫 KFP SDK 程式碼，即可將 Jupyter notebook 轉換為生產級管線。Kubeflow SDK 則引入原生 Spark 支援，提供統一的 Python 介面來處理資料、管線編排與分散式訓練，並內建 LLM 微調藍圖；未來計畫加入 OpenTelemetry 與 MLflow 追蹤功能。 在訓練與模型管理上，新版 Kubeflow Trainer 透過 MPI 支援統一的分散式 AI 訓練與 HPC 工作負載，並正式整合 Flux 框架，允許在單一 Kubernetes 環境中使用 PMIx 進行協調。原有的 Model Registry 已更名為 Hub，範圍擴大至包含 Model Catalog 與 MCP Catalog，允許使用者以 OCI 作為模型儲存標準來搜尋與部署 MCP 伺服器。 基礎設施方面，Alpha 版的 Kubeflow Notebooks v2 採用宣告式 CRD 驅動架構，為平台團隊提供對 JupyterLab 與 VS Code 等互動式環境的範本化控制。此外，Kubeflow Community Distribution 26.03 版本已確認支援 Kubernetes 1.34 及更高版本，並強化了多租戶預設設定與 Pod 安全標準（Restricted 策略）的合規性。