وبلاگ Kubernetes در ۲۹ اکتبر ۲۰۲۶ گفت‌وگویی با Janet Kuo و Yuan Tang درباره مسیر برنامه AI Conformance منتشر کرد. به گفته آن‌ها، گروه کاری پس از انتشار الزامات اولیه و راه‌اندازی فرایند گواهی بایگانی شد و فعالیت به شکل زیرپروژه دائمی SIG Architecture ادامه یافت. مسئله اولیه اختلاف میان پیاده‌سازی سکوهای مختلف در زمان‌بندی شتاب‌دهنده‌ها، شبکه و اجرای استنتاج بود. برنامه تلاش می‌کند برای این قابلیت‌ها حداقلی مشترک تعریف کند تا کاربران پیش از مهاجرت بتوانند محصولات را با معیارهای یکسان بسنجند.
مسئولان در گفت‌وگو به رشد تعداد سکوهای دارای گواهی از ۱۸ به ۳۱ طی چند ماه اشاره کردند. این عدد به بازه میان معرفی برنامه در KubeCon آمریکای شمالی ۲۰۲۵ و گزارش پیشرفت در KubeCon اروپا ۲۰۲۶ برمی‌گردد. انتشار مصاحبه در اکتبر را نباید تاریخ صدور همه این گواهی‌ها دانست. سندهای رسمی الزامات با نام KAR و برنامه گسترش آزمون‌های خودکار از خروجی‌های گروه‌اند. پروژه همچنین از دارندگان تجربه عملی برای بازبینی الزام‌ها و توسعه آزمون‌های نوشته‌شده با Go دعوت کرده است.
از قابلیت توصیه‌شده تا تعهد اجباری
گفت‌وگو بین دو سطح الزام تفاوت می‌گذارد. قابلیت جوان ابتدا می‌تواند به صورت SHOULD مطرح شود تا جامعه فرصت آزمایش و یافتن روش مناسب داشته باشد. پس از پایداری رابط و پذیرش گسترده، ممکن است همان نیاز به MUST تبدیل شود. نمونه مطرح‌شده در مصاحبه تخصیص پویای منابع یا DRA برای پشتیبانی از شتاب‌دهنده‌هاست. تمرکز این معیار بر رفتار لایه زیرساخت است. بنابراین انتخاب یک مدل، یک چارچوب آموزش یا یک سرور استنتاج جزو نتیجه مستقیم این گواهی نیست.
برای تیمی که میان دو سکوی دارای گواهی انتخاب می‌کند، این تفاوت مسیر آزمایش را تغییر می‌دهد. تیم می‌تواند نخست ببیند کدام الزام در هر دو سکو اجباری است و سپس اجرای بار خودش را روی آن‌ها مقایسه کند. مثلاً ممکن است درخواست منبع در هر دو پذیرفته شود، اما زمان انتظار برای ظرفیت آزاد یا هزینه شبکه برای یک آموزش توزیع‌شده متفاوت باشد. معیار مشترک تعداد حدس‌های اولیه را کم می‌کند و موارد باقی‌مانده را برای آزمون محلی روشن‌تر می‌سازد.
قرار گرفتن کار در SIG Architecture امکان دنبال کردن تغییرات را در کنار قواعد عمومی سازگاری Kubernetes فراهم می‌کند. برای کاربر، مدرک قابل بررسی نسخه الزام، نتیجه آزمون مرتبط و توضیح رفتار سکوی انتخابی است. اگر فروشنده فقط از عبارت «مناسب برای هوش مصنوعی» استفاده می‌کند، تیم می‌تواند بپرسد کدام قابلیت مشخص آزموده شده و کدام بخش هنوز به تنظیم اختصاصی وابسته است.
منبع
From Working Group to SIG Architecture: spotlight on AI Conformance
