Exibindo artigos com tag: #FinOps
A Mandiant publicou um blueprint de endurecimento de CI/CD, o Google levou o Code Owners do Secure Source Manager a GA, duas GitHub Actions comprometidas em maio voltaram a rodar sozinhas e a CNCF abriu o Security Slam com métrica para a CRA. A semana tratou a esteira de build como alvo — não como ferramenta.
Duas peças da Equinix, um desenho de conectividade privada da Oracle, cache entre nuvens no BigQuery e o Cilium 1.20 virando camada de tráfego. A semana inteira tratou a rede como arquitetura — não como encanamento.
O preço do modelo despencou e a conta de IA continuou subindo. Nesta semana os provedores admitiram o motivo e mudaram o alvo: teto de gasto por projeto, execução adiada com desconto e GPU tratada como recurso compartilhado.
A CNCF anunciou uma trilha de AI Inference + Agentic no KubeCon apoiada em 66% de adoção, e a comunidade respondeu que a plataforma ainda conta GPU inteira. Entre OKE e Slurm, cold start e KV cache, a inferência virou problema de infraestrutura.
O sneak peek do v1.37 não trouxe features: trouxe uma lista de remoções — kube-proxy IPVS, cgroup v1, static pods lendo Secrets. Ao mesmo tempo, GKE, AKS e CNCF empurraram a plataforma para densidade e frota. A conta da dívida cloud native venceu.
Um relatório do Google Cloud cravou o número — 83% das empresas precisam atualizar a infra para rodar agentes em produção. E a semana inteira foi sobre como fechar essa lacuna: contenção, avaliação e contexto.
Como a Nuvem Online e a equipe do IBICT entregaram, em conjunto, um cluster Kubernetes de produção 100% open source sobre Proxmox e Ceph — o cluster inteiro gerido como código, com GitOps, observabilidade multi-cluster e self-service — e, sobretudo, documentado para a equipe interna sustentar, inclusive com apoio de agentes de IA.
O AWS Summit de Nova York abriu uma semana em que a infraestrutura voltou ao centro: Graviton5 com hypervisor formalmente verificado, GPUs Blackwell na borda, refrigeração líquida plug-and-play do Google e RDMA gerenciado na OCI mostraram que escalar IA é, antes de tudo, um problema de hardware, energia e rede de baixa latência.
