リリースノート

OpenShift AI 2.25 以前のバージョンから 3.0 にアップグレードすることはできません。OpenShift AI 3.0 では、重要な技術的およびコンポーネントの変更を導入しており、新規インストールのみを対象としています。OpenShift AI 3.0 を使用するには、OpenShift Container Platform 4.19 以降を実行しているクラスターに Red Hat OpenShift AI Operator をインストールし、fast-3.x チャネルを選択します。

OpenShift AI 2.25 から stable 3.x バージョンへのアップグレードを含むアップグレードのサポートは、今後のリリースで利用可能になります。

詳細は、ナレッジベースの記事 Why upgrades to OpenShift AI 3.0 are not supported を参照してください。

Red Hat OpenShift AI は、人工知能および機械学習 (AI/ML) アプリケーションのデータサイエンティストおよび開発者向けのプラットフォームです。

OpenShift AI は、オンプレミスまたはクラウドで AI/ML モデルとアプリケーションを開発、トレーニング、提供、テスト、監視するための環境を提供します。

OpenShift AI には、データサイエンティスト向けに、Jupyter のほか、モデル開発に必要なツールとライブラリーで最適化されたデフォルトのワークベンチイメージ群、そして TensorFlow および PyTorch フレームワークが含まれています。モデルのデプロイおよびホスト、モデルの外部アプリケーションへの統合、任意のハイブリッドクラウド環境でホストするためのモデルのエクスポートを行います。Docker コンテナーを使用して AI パイプラインを備えたポータブルな機械学習 (ML) ワークフローを構築することで、OpenShift AI 上のプロジェクトを強化できます。グラフィックスプロセッシングユニット (GPU) と Intel Gaudi AI アクセラレーターを使用して、データサイエンスの実験を加速することもできます。

管理者向けに、OpenShift AI は、既存の Red Hat OpenShift または ROSA 環境で、データサイエンスワークロードを有効にします。既存の OpenShift アイデンティティープロバイダーを使用してユーザーを管理し、ワークベンチで利用可能なリソースを管理し、データサイエンティストがモデルの作成、トレーニング、ホストに必要なリソースを確実に入手できるようにします。アクセラレーターを使用するとコストを削減でき、データサイエンティストはグラフィックスプロセッシングユニット (GPU) と Intel Gaudi AI アクセラレーターを使用して、エンドツーエンドのデータサイエンスワークフローのパフォーマンスを向上できます。

OpenShift AI には、次の 2 つのデプロイ方法があります。

OpenShift AI でサポートされているソフトウェアプラットフォーム、コンポーネント、依存関係の詳細は、3.x でサポートされる構成 に関するナレッジベースの記事を参照してください。

3.0 リリースのライフサイクル (フルサポートフェーズ期間を含む) の詳細は、ナレッジベース記事 Red Hat OpenShift AI Self-Managed のライフサイクル を参照してください。

このセクションでは、Red Hat OpenShift AI 3.0 の新機能と機能拡張を説明します。

このセクションでは、Red Hat OpenShift AI のユーザー向け機能のサポートにおける主な変更を説明します。OpenShift AI でサポートされているソフトウェアプラットフォーム、コンポーネント、依存関係の詳細は、3.x でサポートされる構成 に関するナレッジベースの記事を参照してください。

error: error connecting to datastore: Dirty database version {version}. Fix and force version.

Red Hat OpenShift AI 3.0 では、次の重要な問題が解決されました。Red Hat OpenShift AI 3.0 のセキュリティー更新、バグ修正、機能拡張は、非同期エラータとしてリリースされます。すべての OpenShift AI エラータアドバイザリーは Red Hat カスタマーポータル で公開されています。

このセクションでは、Red Hat OpenShift AI 3.0 の既知の問題と、これらの問題を回避する既知の方法を説明します。

RHOAIENG-37228 - OpenStack およびプライベートクラウド環境では手動の DNS 設定が必要です

統合外部 DNS のない OpenStack、CodeReady Containers (CRC)、またはその他のプライベートクラウド環境に OpenShift AI 3.0 をデプロイすると、インストール後に、ダッシュボードやワークベンチなどのコンポーネントへの外部アクセスが失敗する可能性があります。これは、動的にプロビジョニングされた LoadBalancer Service が IP アドレスを外部 DNS に自動的に登録しないために発生します。

RHOAIENG-38658 - IBM Z (s390x) でのトークン認証によるモデル推論中の TrustyAI サービスで問題が発生します

IBM Z (s390x) アーキテクチャーでは、トークン認証が有効になっている場合、TrustyAI サービスでモデル推論中にエラーが発生します。TrustyAI サービスロガーへのログ記録中に JsonParseException が表示され、バイアス監視プロセスが失敗したり、予期しない動作をしたりします。

RHOAIENG-38333 - Generative AI Playground によって生成されたコードが無効であり、必要なパッケージがワークベンチにありません

Generative AI Playground によって自動的に生成されたコードは、OpenShift AI ワークベンチで実行すると構文エラーが発生する可能性があります。さらに、LlamaStackClient パッケージは現在、標準のワークベンチイメージには含まれていません。

RHOAIENG-38263 - IBM Z の Hugging Face ランタイムにおける Guardrails Detector モデルで断続的に障害が発生します

IBM Z プラットフォームでは、Hugging Face ランタイムで実行されている Guardrails Detector モデルが、同一のリクエストを処理できないことが断続的に発生することがあります。場合によっては、以前は有効な結果を返していたリクエストが、次の例のような解析エラーで失敗することがあります。

Invalid numeric literal at line 1, column 20

このエラーにより、サービング Pod が一時的に CrashLoopBackOff 状態になる可能性がありますが、通常は自動的に回復します。

RHOAIENG-38253 - Distributed Inference Server with llm-d が Serving Runtimes ページにリストされていません

モデルをデプロイするときに、Distributed Inference Server with llm-d は使用可能なオプションとして表示されますが、Settings セクションの Serving Runtimes ページには記載されていません。

これは、Distributed Inference Server with llm-d が、標準のサービスランタイムを超えた追加コンポーネントを含む複合デプロイメントタイプであるために発生します。したがって、管理者に表示されるサービングランタイムのリストには表示されず、現時点ではエンドユーザーから非表示にすることはできません。

RHOAIENG-38252 - Model Registry Operator は、OpenShift 4.20 の BYOIDC モードで動作しません

Bring Your Own Identity Provider (BYOIDC) モードで設定された OpenShift 4.20 クラスターでは、Model Registry Operator のデプロイが失敗します。

ModelRegistry カスタムリソースを作成しても、available: True 状態になりません。代わりに、リソースには次の例のようなステータスが表示されます。

status:
  conditions:
  - lastTransitionTime: "2025-11-06T22:09:04Z"
    message: 'unexpected reconcile error: failed to get API group resources: unable to retrieve the complete list of server APIs: user.openshift.io/v1: the server could not find the requested resource'
    reason: DeploymentUnavailable
    status: "False"
    type: Available

OpenShift 4.20 で BYOIDC モードを使用する場合、Model Registry インスタンスを作成またはデプロイすることはできません。

RHOAIENG-38180 - Feature Store サービスへの Workbench リクエストで証明書エラーが発生します

デフォルト設定を使用する場合、Feature Store (Feast) のデプロイメントに必要な証明書とサービスエンドポイントがありません。その結果、ワークベンチは Feast SDK を使用して Feature Store にリクエストを送信できなくなります。

registry:
  local:
    server:
      restAPI: false

Feature Store Pod の実行が開始されたら、同じ CR を編集して registry.local.server.restAPI: true を設定し、CR を削除せずに保存します。REST サービスと gRPC サービスの両方が namespace に作成されていることを確認し、Pod が再起動して準備完了になるまで待ちます。

RHOAIENG-37916 - LLM-D でデプロイされたモデルが、Deployments ページで失敗ステータスを表示します

{llm-d} を使用してデプロイされたモデルには、関連付けられている Pod ログにエラーや失敗が報告されていない場合でも、OpenShift AI ダッシュボードの Deployments ページに Failed ステータスが最初に表示されます。

デプロイメントのステータスを確認するには、OpenShift コンソールを使用してプロジェクト内の Pod を監視します。モデルの準備が整うと、OpenShift AI ダッシュボードのステータスが Started に更新されます。

RHOAIENG-37882 - カスタムワークベンチ (AnythingLLM) の読み込みに失敗します

AnythingLLM 1.8.5 などのカスタムワークベンチをデプロイすると、読み込みが完了できない場合があります。OpenShift AI 3.0 以降、すべてのワークベンチは Kubernetes Gateway API のパスをベースにしたルーティングと互換性がある必要があります。この要件をサポートしていないカスタムワークベンチイメージは正しく読み込まれません。

既存のワークベンチを修正する場合:

詳細は、移行ガイド ゲートウェイ API 移行ガイド を参照してください。

RHOAIENG-37855 - Model Catalog からのモデルのデプロイメントは、名前の長さ制限により失敗します

Model Catalog から特定のモデルをデプロイすると、デプロイメントがサイレントに失敗し、Starting 状態のままになる場合があります。この問題は、結果のオブジェクト名が 63 文字の制限を超えた場合に、KServe が InferenceService からデプロイメントを作成できないために発生します。

RHOAIENG-37842 - ray.init() を必要とする Ray ワークロードは OpenShift AI の外部ではトリガーできません

ray.init() を必要とする Ray ワークロードは、OpenShift AI 環境の外部ではトリガーできません。これらのワークロードは、OpenShift の OpenShift AI で実行されているワークベンチまたはパイプライン内から送信する必要があります。これらのワークロードを外部で実行することはサポートされておらず、初期化に失敗します。

RHOAIENG-37743 - ワークベンチの起動時に進行状況バーが表示されません

ワークベンチを起動する際、Workbench Status 画面の Progress タブにステップごとの進行状況が表示されません。代わりに、“Steps may repeat or occur in a different order.” という一般的なメッセージが表示されます。

RHOAIENG-37667 - Model-as-a-Service (MaaS) は LLM-D ランタイムでのみ利用可能です

Model-as-a-Service (MaaS) は現在、Distributed Inference Server with llm-d ランタイムを使用してデプロイされたモデルに対してのみサポートされています。vLLM ランタイムでデプロイされたモデルは、現時点では MaaS では提供できません。

RHOAIENG-37561 - バージョン 3.0.0 の IBM Z クラスターで、ダッシュボードコンソールリンクから OpenShift AI にアクセスできません

IBM Z クラスターのコンソールリンクを使用して OpenShift AI 3.0.0 ダッシュボードにアクセスしようとすると、接続に失敗します。

apiVersion: route.openshift.io/v1
kind: Route
metadata:
  name: data-science-gateway-data-science-gateway-class
  namespace: openshift-ingress
spec:
  host: data-science-gateway.apps.<baseurl>
  port:
    targetPort: https
  tls:
    termination: passthrough
  to:
    kind: Service
    name: data-science-gateway-data-science-gateway-class
    weight: 100
  wildcardPolicy: None

RHOAIENG-37259 - Elyra Pipelines は IBM Z (s390x) ではサポートされていません

Elyra Pipelines は、オーケストレーションと検証用に Data Science Pipelines (DSP) に依存します。DSP は現在 IBM Z では利用できないため、Elyra パイプライン関連の機能とテストはスキップされます。

RHOAIENG-37015 - PyTorch 2.8 トレーニングイメージで TensorBoard レポートが失敗します

イメージ registry.redhat.io/rhoai/odh-training-cuda128-torch28-py312-rhel9:rhoai-3.0 で SFTTrainer を使用するトレーニングジョブに TensorBoard レポートを使用する場合、または report_to パラメーターがトレーニング設定から省略されている場合、トレーニングジョブは JSON シリアライゼーションエラーで失敗します。

Training Operator SDK を使用している場合は、create_job 関数の packages_to_install パラメーターを使用して、インストールするパッケージを指定できます。

packages_to_install=[
    "transformers==4.57.1",
    "trl==0.24.0"
]

RHOAIENG-36757 - 接続が存在しない場合、モデルのデプロイメント時に既存のクラスターストレージのオプションが表示されない

データ接続が定義されていないプロジェクトでモデルデプロイメントを作成する場合、プロジェクトに適切な永続ボリューム要求 (PVC) が存在する場合でも、Existing cluster storage オプションは表示されません。これにより、モデルのデプロイメントに既存の PVC を選択できなくなります。

RHOAIENG-31071 - Parquet データセットは IBM Z (s390x) ではサポートされていません

arc_easy や arc_challenge などの一部の埋め込み評価タスクでは、Hugging Face が Parquet 形式で提供するデータセットが使用されます。Parquet は IBM Z ではサポートされていません。

RHAIENG-1795 - CodeFlare と Ray が Gateway で動作しません

次のコマンドを実行すると、出力には Ray クラスターが作成され実行中であることが示されますが、Gateway ルートが正しく応答しないため、セルは完了しません。

cluster.up()
cluster.wait_ready()

その結果、Ray クラスターの取得やジョブクライアントの取得などの後続の操作が失敗し、クラスターへのジョブの送信ができなくなります。

RHAIENG-1796 - Kubernetes パイプラインストレージを使用する場合、パイプライン名は DNS に準拠している必要があります

パイプラインのストレージバックエンドとして Kubernetes を使用する場合、Elyra はパイプライン名を DNS 準拠の値に自動的に変換しません。Elyra パイプラインの起動時に DNS に準拠していない名前が使用されると、次のようなエラーが表示されます。

[TIP: did you mean to set 'https://ds-pipeline-dspa-robert-tests.apps.test.rhoai.rh-aiservices-bu.com/pipeline' as the endpoint, take care not to include 's' at end]

RHAIENG-1139 - 複数の namespace に同じ名前の LlamaStackDistribution をデプロイできない

異なる namespace に同じ名前の LlamaStackDistribution リソースを 2 つ作成すると、2 番目のリソースの ReplicaSet は Llama Stack Pod の起動に失敗します。Llama Stack Operator は、namespace 全体で重複した名前が使用されている場合、セキュリティー制約を正しく割り当てません。

RHAIENG-1624 - 非接続クラスターでの Embeddings API タイムアウト

非接続クラスターでは、デフォルトの Llama Stack Distribution イメージに含まれるデフォルトの組み込みモデル (ibm-granite/granite-embedding-125m-english) を使用すると、Embeddings API への呼び出しがタイムアウトになる可能性があります。

RHOAIENG-34923 - JupyterLab からパイプラインを実行するときにランタイム設定が見つからない

プロジェクトの最初のアクティブなワークベンチからパイプラインを実行すると、ランタイム設定が Elyra パイプラインエディターに表示されないことがあります。これは、ワークベンチの初回セッション時に、設定が正常に入力されないために発生します。

RHAIENG-35055 - OpenShift AI 2.24 からのアップグレード後にモデルカタログの初期化に失敗する

OpenShift AI 2.24 からアップグレードした後、モデルカタログの初期化とロードに失敗する可能性があります。OpenShift AI ダッシュボードに、Request access to model catalog エラーが表示されます。

RHAIENG-35529 - 外部 Argo Workflows 使用時の Data Science Pipelines Operator のリコンシリエーション問題

既存の外部 Argo Workflows インストールを削除する前に、組み込み Argo Workflows コントローラー (argoWorkflowsControllers: Managed) を有効にすると、ワークフローコントローラーが起動に失敗し、Data Science Pipelines Operator (DSPO) がカスタムリソースを正しくリコンサイルしない可能性があります。

RHAIENG-36756 - 接続が存在しない場合、モデルのデプロイメント時に既存のクラスターストレージのオプションが表示されない

データ接続が定義されていないプロジェクトでモデルデプロイメントを作成すると、永続ボリューム要求 (PVC) が使用可能な場合でも、既存のクラスターストレージ オプションは表示されません。その結果、モデルの保存に既存の PVC を選択できません。

RHOAIENG-36817 - Model サーバーのサイズが small に設定されていると推論サーバーが失敗する

ダッシュボード経由で推論サービスを作成する際に、Model サーバーサイズとして small を選択すると、後続の推論要求が失敗します。その結果、推論サービス自体のデプロイメントは成功しますが、推論要求はタイムアウトエラーで失敗します。

RHOAIENG-33995 - Phi および Mistral モデルの推論サービスのデプロイメントが失敗する

openshift-container-platform 4.19 を搭載した IBM Power クラスターで vLLM ランタイムを使用して Phi および Mistral モデルの推論サービスを作成すると、CPU バックエンドに関連するエラーが原因で失敗します。その結果、これらのモデルのデプロイメントが影響を受け、推論サービスの作成が失敗します。

RHOAIENG-33795 - IBM Z 上の Triton Inference Server の gRPC エンドポイント検証には手動 Route 作成が必要である

gRPC エンドポイントを使用して Triton Inference Server を検証する場合、Route が自動的に作成されません。これは、Operator が現在、デフォルトで REST のみのエッジ終了ルートを作成するために発生します。

triton-inference-service GitHub ページから grpc_service.proto および model_config.proto ファイルをダウンロードします。

RHOAIENG-33697 - ステータスが "Started" でない限り、モデルを編集または削除できない

NVIDIA NIM または単一モデルサービングプラットフォームにモデルをデプロイする場合、Starting または Pending 状態のモデルではアクションメニューの Edit および Delete オプションは使用できません。これらのオプションは、モデルが正常にデプロイされた後にのみ使用可能になります。

RHOAIENG-33645 - LM-Eval Tier1 テストに失敗する

古いバージョンの trustyai-service-operator を使用している場合、ジョブの実行時に confirm_run_unsafe_code が引数として渡されないため、LM-Eval Tier1 テストが失敗する可能性があります。

RHOAIENG-29729 - アップグレード後の再起動ループでモデルレジストリー Operator が実行される

モデルレジストリーコンポーネントを有効にした状態で OpenShift AI バージョン 2.22 以前からバージョン 2.23 以降にアップグレードすると、モデルレジストリー Operator が再起動ループに入る可能性があります。これは model-registry-operator-controller-manager Pod 内のマネージャーコンテナーのメモリー制限が不十分なために発生します。

RHOAIENG-31238 - DSCInitialization の作成時に新しい監視スタックが有効になった

DSCInitialization リソースを削除し、OpenShift AI コンソールフォームビューを使用して新しいリソースを作成すると、テクノロジープレビューの可観測性スタックが有効になります。その結果、DSCInitialization リソースを再作成するときに、不要な可観測性スタックがデプロイメントされることになります。

RHOAIENG-32599 - IBM Z クラスターで推論サービスの作成が失敗する

IBM Z クラスターで vLLM ランタイムを使用して推論サービスを作成しようとすると、ValueError: 'aimv2' is already used by a Transformers config, pick another name エラーが発生して失敗します。

RHOAIENG-29731 - OpenShift 4.19 を使用した IBM Power クラスターで推論サービスの作成が失敗する

OpenShift Container Platform バージョン 4.19 上の IBM Power クラスターで vLLM ランタイムを使用して推論サービスを作成しようとすると、Non-Uniform Memory Access (NUMA) に関連するエラーが原因で失敗します。

RHOAIENG-29292 - IBM Z 上で、使用状況統計ディレクトリーへのアクセスが原因で、vLLM が権限エラーをログに記録する

IBM Z アーキテクチャーで vLLM を実行すると、推論サービスは正常に起動しますが、使用状況統計レポートに関連するバックグラウンドスレッドにエラーが記録されます。これは、サービスがアクセス権限のない制限された場所 (/.config) に使用状況データを書き込もうとするために発生します。

以下のエラーがログに記録されます。

Exception in thread Thread-2 (_report_usage_worker):
Traceback (most recent call last):
 ...
PermissionError: [Error 13] Permission denied: '/.config'

RHOAIENG-24545 - 初回の起動後にランタイムイメージがワークベンチに存在しない

ランタイムイメージのリストには、namespace で最初に実行されているワークベンチインスタンスが適切に入力されないため、Elyra パイプラインエディターで選択できるイメージが表示されません。

RHOAIENG-20209 - 要求されたリソースがしきい値を超えても警告メッセージが表示されない

Distributed workloads → Project metrics をクリックし、Requested resources セクションを表示すると、チャートには要求されたリソースの値と各リソースの合計共有クォータ値 (CPU および メモリー) が表示されます。ただし、Requested by all projects の値が、そのリソースの Warning threshold の値を超えると、予想される警告メッセージは表示されません。

SRVKS-1301 (以前は RHOAIENG-18590 として文書化されていました) - KServe を無効化にしてから有効化すると、KnativeServing リソースが失敗する

DataScienceCluster で kserve コンポーネントを無効にしてから有効にすると、KnativeServing リソースが失敗する可能性があります。

RHOAIENG-16247 - OpenShift AI ダッシュボードから実行を開始すると、Elyra パイプラインの実行出力が上書きされる

Elyra からパイプラインを作成して実行すると、パイプラインの実行によって生成された出力が、オブジェクトストレージのフォルダー bucket-name/pipeline-name-timestamp に保存されます。

Elyra からパイプラインを作成し、OpenShift AI ダッシュボードからパイプラインの実行を開始すると、タイムスタンプ値が更新されません。これにより、パイプラインの実行によって、同じパイプラインの以前のパイプライン実行によって作成されたファイルが上書きされる可能性があります。

この問題は、OpenShift AI ダッシュボードを使用してコンパイルおよびインポートされたパイプラインには影響しません。これは、オブジェクトストレージで使用されるフォルダーに runid が常に追加されるためです。AI パイプラインで使用されるストレージの場所の詳細は、パイプラインによるデータの保存 を参照してください。

OCPBUGS-49422 - 非接続環境内の AMD GPU および AMD ROCm ワークベンチイメージがサポートされていない

この OpenShift AI リリースでは、非接続環境内の AMD GPU および AMD ROCm ワークベンチイメージはサポートされていません。AMD GPU Operator をインストールするには、GPU ドライバーのコンパイルに必要な依存関係を取得するのにインターネットアクセスが必要であるためです。

RHOAIENG-7716 - パイプライン条件グループのステータスが更新されない

ループ (dsl.ParallelFor) または条件グループ (dsl.lf) を含むパイプラインを実行すると、パイプラインの実行が完了した後でも、UI にループとグループの実行ステータスが表示されます。

RHOAIENG-6409 - 実行が成功しても、パイプラインログに Cannot save parameter というエラーが表示される

パイプラインを複数回実行すると、パイプラインの実行が成功した場合、パイプラインログに Cannot save parameter というエラーが表示されます。これらのエラーは無視しても問題ありません。

RHOAIENG-3025 - OVMS が要求するディレクトリーレイアウトが KServe StoragePuller レイアウトと競合する

OpenVINO Model Server (OVMS) ランタイムを使用してシングルモデルサービングプラットフォーム (KServe を使用) にモデルをデプロイすると、OVMS が要求するディレクトリーレイアウトと KServe で使用されるモデル取得ロジックのレイアウトの間に不一致が生じます。具体的には、OVMS はモデルファイルを /<mnt>/models/1/ ディレクトリーに配置することを要求しますが、KServe はモデルファイルを /<mnt>/models/ ディレクトリーに配置します。

KServe は、指定したパスのサブディレクトリーからモデルファイルを取得します。この場合、KServe は S3 互換ストレージの /<s3_storage_bucket>/models/1/ ディレクトリーからモデルファイルを正しく取得します。

RHOAIENG-3018 - KServe 上の OVMS がダッシュボードに正しいエンドポイントを公開しない

OpenVINO Model Server (OVMS) ランタイムを使用してシングルモデルサービングプラットフォームにモデルをデプロイした場合、デプロイしたモデルの Inference endpoint フィールドに表示される URL が不完全なものになります。

RHOAIENG-2228 - 間隔が 15 秒に設定されている場合、パフォーマンスメトリクスグラフが絶えず変化する

モデルメトリクス画面の Endpoint performance タブで、Refresh interval を 15 秒に、Time range を 1 時間に設定すると、グラフの結果は連続的に変化します。

RHOAIENG-2183 - エンドポイントのパフォーマンスグラフに間違ったラベルが表示される場合がある

モデルメトリクス画面の Endpoint performance タブで、グラフツールチップに誤ったラベルが表示される場合があります。

RHOAIENG-131 - InferenceService が Loaded と報告した後、gRPC エンドポイントが適切に応答しない

多数の InferenceService インスタンスが生成され、リクエストがダイレクトされると、Service Mesh Control Plane (SMCP) が応答しなくなります。InferenceService インスタンスのステータスは Loaded ですが、gRPC エンドポイントへの呼び出しはエラーとともに返されます。

RHOAIENG-1619 (以前は DATA-SCIENCE-PIPELINES-165 として記録されていた問題) - S3 バケットが書き込み可能でない場合の不適切なエラーメッセージ

データ接続を設定し、S3 バケットが書き込み可能でない場合にパイプラインをアップロードしようとすると、Failed to store pipelines というエラーメッセージが表示されますが、有用ではありません。

RHOAIENG-1207 (以前は ODH-DASHBOARD-1758 として記録されていた問題) - OOTB カスタムサービングランタイムを数回複製するときにエラーが発生する

モデルサービングランタイムを複数回複製すると、複製が失敗し、Serving runtime name "<name>" already exists というエラーメッセージが表示されます。

RHOAIENG-133 - 既存のワークベンチは、ワークベンチの再起動後に Elyra パイプラインを実行できない

Elyra JupyterLab エクステンションを使用して JupyterLab 内でパイプラインを作成および実行し、ワークベンチを作成してワークベンチ内でワークベンチイメージを指定した 後に パイプラインサーバーを設定すると、ワークベンチを再起動した後でもパイプラインを実行できません。

RHODS-12798 - Pod が "unable to init seccomp" エラーで失敗する

seccomp メモリーリークを引き起こす既知のカーネルバグが原因で、Pod は Running のステータスではなく CreateContainerError ステータスまたは Pending ステータスで失敗します。Pod が失敗した namespace でイベントをチェックするか、oc describe pod コマンドを実行すると、以下のエラーが表示されます。

runc create failed: unable to start container process: unable to init seccomp: error loading seccomp filter into kernel: error loading seccomp filter: errno 524

KUBEFLOW-177 - OAuth-proxy で転送されないアプリケーションのベアラートークン

アプリケーションの内部認証メカニズムがベアラートークンに基づいている場合、アプリケーションをカスタムワークベンチイメージとして使用できません。OAuth プロキシー設定によりヘッダーからベアラートークンが削除されるため、アプリケーションは適切に動作できなくなります。

KUBEFLOW-157: OpenShift AI ダッシュボードからすでにログアウトしている場合、JupyterLab からのログアウトが機能しない

JupyterLab からログアウトする前に OpenShift AI ダッシュボードからログアウトすると、JupyterLab から正常にログアウトされません。たとえば、Jupyter Notebook の URL がわかっている場合は、これをブラウザーで再度開くことができます。

RHODS-7718 - ダッシュボード権限のないユーザーが実行中のワークベンチを無期限に使い続けることができる

Red Hat OpenShift AI 管理者がユーザーの権限を取り消しても、引き続きユーザーは実行中のワークベンチを無期限で使用できます。

RHODS-5543: NVIDIA GPU Operator を使用すると、Node Autoscaler によって必要以上のノードが作成される

使用可能なリソースが不十分なために Pod をスケジュールできないと、Node Autoscaler は新しいノードを作成します。新しく作成されたノードが関連する GPU ワークロードを受け取るまで、遅延があります。したがって、Pod をスケジュールすることはできず、Node Autoscaler は、ノードの 1 つが GPU ワークロードを受け取る準備ができるまで、追加の新しいノードを継続的に作成します。この問題の詳細は、Red Hat ナレッジベースのソリューション記事 NVIDIA GPU Operator を使用すると、Node Autoscaler によって必要以上のノードが作成される を参照してください。

RHODS-4799: Tensorboard を表示するには手動の手順が必要

TensorFlow または PyTorch ワークベンチイメージを使用しており、TensorBoard を使用してデータを表示する場合に、ワークベンチ環境に環境変数を追加して、独自のコードで使用する環境変数をインポートするといった手作業の手順が必要です。

RHODS-4718: Intel® oneAPI AI Analytics Toolkits のクイックスタートが、存在しないサンプルノートブックを参照している

ダッシュボードの Resources ページにある Intel® oneAPI AI アナリティクスツールキットクイックスタートでは、手順の一部としてサンプルノートブックをロードする必要がありますが、関連するリポジトリーに存在しないノートブックを参照しています。

RHOAING-1147 (以前は RHODS-2881 として記録されていた問題) - ダッシュボード上のアクションが明確に表示されない

無効になったアプリケーションのライセンスを再検証し、無効になったアプリケーションのタイルを削除するダッシュボードアクションは、ユーザーには明確に表示されません。これらのアクションは、ユーザーがアプリケーションタイルの Disabled ラベルをクリックすると表示されます。その結果、意図したワークフローがユーザーにとって明確でない場合があります。

RHODS-2096 - IBM Watson Studio は OpenShift AI で利用できない

IBM Watson Studio は、OpenShift AI が OpenShift Dedicated 4.9 以降にインストールされている場合は使用できません。これは、OpenShift Dedicated のこれらのバージョンと互換性がないためです。

Red Hat OpenShift AI は、データサイエンティストやクラスター管理者向けに豊富な機能を提供します。詳細は、Red Hat OpenShift AI の概要 を参照してください。