
Red Hat soltó la versión 3.5 de su plataforma de IA y el mensaje es claro: la era de los pilotos se acabó. Ahora toca industrializar la IA como un servicio empresarial compartido, con la misma seriedad operativa que un cluster de OpenShift.
La pieza estrella es EvalHub, que llega a disponibilidad general. Básicamente te deja evaluar modelos, sistemas RAG y agentes antes de mandarlos a producción: automatiza pruebas de seguridad y genera reportes auditables para compliance. Además integraron los scores de Garak, una herramienta de evaluación de vulnerabilidades y comportamiento de modelos, al catálogo validado. Sumaron más de 20 modelos con métricas de seguridad, exposición de PII y riesgo de toxicidad — con Gemma 4, Nemotron 3 y Qwen en la lista.
Lo interesante es el giro operativo. Red Hat AI 3.5 agrega:
- Métricas de inferencia y consumo de tokens por usuario, pensadas para equipos de FinOps que necesitan saber quién se está gastando las GPU.
- Fair-share GPU scheduling y prioridades en el serving, para que un workload de fondo no le robe capacidad a una app que necesita latencia real.
- Multi-tenancy con OpenShift Virtualization, aislando tenants con su propio control plane sobre hardware compartido.
- AutoRAG y templates de agentes para acelerar proyectos sobre datos privados.
La plataforma también se expande a Kubernetes de terceros: disponibilidad general en CoreWeave Kubernetes Service y Microsoft Azure, con Amazon EKS en tech preview.
O sea, Red Hat está apostando a resolver la capa aburrida pero crítica: quién consume cada GPU, cuánto cuesta cada workload y cómo actualizar un modelo sin tumbar el servicio.


