GPU-Teams stehen vor einem schlechten Kompromiss: ein Control Plane pro Team oder schwache Isolation in einem gemeinsamen Cluster. Dieses reproduzierbare Labor kombiniert Kamaji (Control Planes als Pods) und HAMi (fraktionierte GPUs) auf einer einzigen Maschine ohne GPU, unter Verwendung von HAMis Mock-Device-Plugin.
S3 Tables bringen Iceberg-V3-Tabellen: Positionsbasierte Löschvektoren ersetzen rewrite-intensive Delete-Dateien, Row Lineage ermöglicht effiziente inkrementelle Pipelines – mit einem einseitigen, atomaren Upgrade ohne Rewrite von V2.
Sie können jetzt S3 General Purpose Buckets, S3 Tables und S3 Vectors direkt über das Vercel-Dashboard bereitstellen – oder indem Sie in v0, dem KI-Builder von Vercel, beschreiben, was Sie bauen möchten. Es ergänzt die bestehenden Integrationen für Amazon Aurora, DynamoDB und OpenSearch Serverless, sodass der gesamte Stack in einem AWS-Konto mit einer einzigen Rechnung läuft.
Das Gute daran ist, wie die Anmeldedaten funktionieren: Ein kurzlebiges OIDC-Token wird zur Laufzeit mit dem AWS Security Token Service gegen Anmeldedaten ausgetauscht, die auf diese Ressource beschränkt sind – sodass keine statischen Schlüssel gespeichert werden. Das ist das Sicherheitsmuster, dem jede neue Integration folgen sollte: keine langlebigen Geheimnisse im Dashboard eines Drittanbieters, kein IAM-Benutzer mit einem dauerhaften Schlüsselpaar.
Für Frontend-orientierte Teams, die bereits auf Vercel arbeiten, beseitigt dies einen klassischen Reibungspunkt: Die Speicherbereitstellung bedeutete bisher das Wechseln zwischen Konsolen, das Erstellen von IAM-Benutzern und das Einfügen von Schlüsseln in Umgebungsvariablen. Jetzt wird Speicher dort bereitgestellt, wo Sie bauen, über kurzlebige OIDC-Anmeldedaten gescopt und im selben AWS-Konto wie Ihre anderen Ressourcen abgerechnet.