أضافت Selectel خوادم عالية المستوى لتدريب النماذج ووسّعت كتالوج الصور

Selectel подвела итоги февраля и показала, как меняет свою инфраструктуру под растущий спрос на AI-нагрузки. Главные обновления — новые выделенные серверы для обучения больших моделей, свежие образы в AI-маркетплейсе и несколько заметных изменений в облачной Kubernetes-платформе.

Серверы для тренинга

Главная новинка — выделенный сервер GL8-B300-HGX-25GE на базе платформы NVIDIA HGX B300. В компании называют его самой мощной конфигурацией в текущей линейке: решение рассчитано на AI-тренинг, дообучение и промышленный инференс больших языковых моделей. Selectel отдельно акцентирует суммарный объём видеопамяти в 2,3 ТБ — это уровень, который нужен не для пилотов, а для тяжёлых пайплайнов, длинного контекста и крупных батчей, где узким местом становится уже не только GPU, но и стабильность всей инфраструктуры.

«NVIDIA HGX B300 — флагманская платформа для крупномасштабных AI-нагрузок».

Для команд, которым не нужен топовый кластерный уровень, компания добавила и более приземлённые варианты. Конфигурация AR45G-NVMe-H200 позиционируется как компактный и более доступный сервер для инференса, прототипов и небольшого обучения. Ещё один вариант — AR45G-NVMe-RTX6000 — рассчитан на сценарии, где хватает 96 ГБ VRAM: пилоты с LLM, задачи компьютерного зрения, графика и прикладные рабочие нагрузки. Параллельно Selectel расширила линейку хранения, добавив HDD на 28 ТБ для архивов, бэкапов и логов.

Маркетплейс и облако В AI-маркетплейсе

Selectel появились новые готовые образы, которые закрывают разные этапы ML-цикла — от экспериментов до контроля качества и разметки данных. Это не просто пополнение каталога ради количества: компания добавляет инструменты, которые помогают собирать более полный контур вокруг модели, а не только запускать инференс в контейнере. Для инженерных команд это ещё и способ быстрее собрать рабочее окружение без лишней ручной интеграции.

Aim — для трекинга экспериментов и сравнения результатов настройки моделей. Lobe Chat — интерфейс для работы с LLM с упором на плагины и готовые community-решения. * Evidently AI — мониторинг качества модели и метрик, на базе которых можно автоматизировать обновления.

* Xtreme1 — сервис разметки данных, включая сценарии с лидаром и объектной классификацией. Отдельно Selectel вывела в облако GPU L4 с 24 ГБ памяти. Компания называет её универсальной картой для AI/ML-задач, обработки видео, стриминга и VDI, а также для прикладных сценариев вроде транскрибации аудио в текст.

Такой запуск важен не только для AI-команд: L4 часто выбирают там, где нужен баланс между ценой, энергоэффективностью и достаточной производительностью без перехода к дорогим training-grade ускорителям. Для команд с ограниченным бюджетом это особенно практичный вариант.

Kubernetes и системный слой Существенное инфраструктурное обновление коснулось Managed Kubernetes.

Selectel добавила полноценную поддержку ресурса ephemeralStorage в Cluster Autoscaler и Karpenter. Практический смысл здесь простой: при масштабировании кластера система теперь точнее понимает, сколько локального временного хранилища действительно нужно новым Pod. Раньше в сценариях, где в кластере не было нод с явно заданным ephemeralStorage, autoscaling мог считать потребности неточно.

Для команд с data-processing и AI-ворклоадами это убирает неприятный класс ошибок на этапе scale-up. Ещё несколько изменений касаются контроля и базового системного слоя. В Managed Kubernetes появились аудит-логи по ключевым операциям с кластерами и группами нод — это упрощает разбор изменений, безопасность и compliance.

В интерфейсе также открыли просмотр конфигурации приватного DNS, а для групп нод обновили отображение User Data. На уровне ОС Selectel выпустила SELECTOS 1.3 с обновлением пакетов до Debian 12.

13, закрытием 177 уязвимостей и добавлением контейнерного образа. Плюс компания запустила Astra Linux для серверов А-ЦОД — это уже ход в сторону клиентов, которым нужна сертифицированная защищённая среда.

Что это значит

Февральский пакет обновлений показывает, что Selectel хочет быть не просто арендой железа, а полноценной AI-инфраструктурной платформой. Сверху компания расширяет каталог готовых ML-инструментов и облачных GPU, снизу — усиливает Kubernetes, базовые ОС и compliance-слой. Для команд, которые строят собственные AI-сервисы, это снижает объём ручной сборки и ускоряет путь от пилота к боевой эксплуатации.