Auf einen Blick
- Programm: CNCF Kubernetes AI Conformance, Kubernetes v1.35
- Version: Cozystack v1.6.1
- Aufgenommen:
- September 2026
- Anforderungen: 12 von 12 umgesetzt
- Nachweise: cozystack.io/compliance/ai-conformance/
Wenn eine GPU-Cloud oder ein ML-Team in einem Unternehmen Plattformen in die engere Wahl nimmt, ist einer der ersten Filter inzwischen eine Liste der CNCF: Welche Kubernetes-Plattformen haben nachgewiesen, dass sie bereitstellen, worauf KI-Workloads tatsächlich angewiesen sind? Wer auf dieser Liste fehlt, gilt als „nicht verifiziert“, ganz gleich, was die Plattform kann. Seit dem 14. September 2026 steht Cozystack darauf: Version 1.6.1 wurde für Kubernetes v1.35 in das CNCF-Programm Kubernetes AI Conformance aufgenommen, mit allen 12 Anforderungen umgesetzt.
Auf der Liste für v1.35 stehen unter anderem GKE, EKS, AKS, OpenShift, RKE2, Rafay und k0rdent — die Plattformen, mit denen uns unsere Kunden vergleichen.
Was das Programm prüft
Die normale Kubernetes-Konformität beantwortet die Frage, ob sich ein Cluster wie Kubernetes verhält. AI Conformance stellt eine engere, praktischere Frage: Lassen sich Training und Inferenz darauf betreiben, ohne dass Sie die fehlenden Teile selbst zusammensetzen müssen? Die zwölf Anforderungen decken ab, wie Beschleuniger bereitgestellt, geteilt und mit den passenden Treibern versorgt werden, wie Inferenz-Traffic geroutet wird, ob ein verteilter Job ganz oder gar nicht eingeplant werden kann, ob Node Pools mit GPUs mit dem Bedarf skalieren, ob Operatoren für Frameworks wie Ray mit ihren Webhooks und Custom Resources funktionieren und ob die Metriken von Beschleunigern und Workloads im Monitoring-Stack ankommen.
Neun der Anforderungen erfüllt Cozystack bereits durch seine Standardkonfiguration. Die übrigen drei haben wir nachgewiesen, indem wir sie auf einem Tenant-Cluster mit Kubernetes v1.35.6 ausgeführt haben:
- Inferenz-Traffic. Über die Gateway API mit Cilium schickte eine gewichtete 80/20-Aufteilung zwischen zwei Modellversionen 26 von 30 Anfragen an die erste und 4 an die zweite; header-basiertes Routing leitete Anfragen an die im Header genannte Version.
- Gang Scheduling. Mit Kueue und einer Queue-Quota von zwei CPUs wurde ein Job aus zwei Pods vollständig zugelassen; ein Job aus vier Pods, der nicht in die Quota passte, blieb bei null Pods, statt die Hälfte davon zu starten und die Ressourcen zu blockieren.
- Operatoren. Der Controller und die Webhooks von Kueue sowie KubeRay brachten einen Ray-Cluster in den Zustand „ready“.
Was wir als Einschränkungen festgehalten haben
Einreichungen für die Konformität sind öffentlich, und wir haben unsere ehrlich gehalten. Zwei Punkte sind darin so festgehalten, wie sie sind. Die Standardinstallation von KubeRay bringt keine eigenen Webhooks mit; der Webhook-Teil der Operator-Anforderung stützt sich daher auf Kueue, dessen Mutating Webhook Batch-Jobs anhält, bis sie zugelassen sind. Und Dynamic Resource Allocation wird von der API bereitgestellt, es ist aber kein DRA-Treiber installiert, sodass Device Classes und Resource Slices leer bleiben, bis ein Treiber hinzugefügt wird.
Die vollständigen Nachweise, Anforderung für Anforderung, finden Sie auf cozystack.io, unseren Überblick über die Konformitätsergebnisse von Cozystack auf der Seite zur Kubernetes-Konformität.
Was das für Ænix-Kunden bedeutet
Jeder Tenant-Cluster auf der Ænix AI Platform und den übrigen Ænix-Plattformen wird von derselben Cozystack-Engine erzeugt, die das Programm bestanden hat. Die hier geprüften Fähigkeiten sind also genau die, die Sie bekommen. Für eine GPU-Cloud, die Kapazität an eigene Kunden verkauft, ist das der Nachweis, den Ausschreibungen zunehmend verlangen; wie eine solche Cloud auf Cozystack aufgebaut wird, beschreibt die Seite zu GPU as a Service.
Die Einreichung haben Ænix-Ingenieure für das Projekt Cozystack vorbereitet, das Ænix ins Leben gerufen hat und gemeinsam mit Maintainern aus anderen Unternehmen betreut.
