随着大型语言模型的发展，Kubernetes成为智能系统的重要平台。新功能如Volcano v1.14、Kthena v0.3.0和AgentCube提升了资源调度效率，简化了大模型部署，并支持异构自动扩展，推动AI基础设施进步。

Volcano v1.14发布，提升AI调度能力，支持多调度器架构和Agent Scheduler，满足批量计算与延迟敏感需求。增强网络拓扑感知，支持通用操作系统，集成昇腾vNPU，扩展多集群能力，改善用户体验。

Kthena是Volcano社区推出的子项目，旨在为全球开发者和MLOps工程师提供高效的云原生大语言模型推理调度解决方案。它通过拓扑感知调度和智能路由优化GPU/NPU资源利用，降低延迟，简化Kubernetes上大语言模型的部署。Kthena支持多模型管理和动态扩展，提高AI生命周期的整体效率。

AgentCube是基于Volcano的AI智能体编排层，旨在解决Kubernetes在高并发、低延迟AI工作负载中的不足。它通过预热池机制加速启动，提升调度效率，并引入会话管理和Serverless弹性伸缩，支持多种Agent框架，推动AI基础设施发展。

Volcano推出Kthena，一个专为Kubernetes设计的高性能LLM推理调度系统，旨在提高GPU/NPU资源利用率，简化多模型管理，解决资源利用率低、延迟与吞吐量难以兼顾的问题，推动云原生AI生态发展。

Volcano v1.13版本发布，增强了大模型训练与推理调度能力，支持LWS、Cron任务管理和网络拓扑发现，提升了AI计算框架的兼容性，简化了复杂工作负载管理，旨在提供高效稳定的计算平台。

Kong在2025年API峰会上发布了名为Volcano的开源SDK，旨在简化AI代理的开发。该SDK采用MCP原生方法，支持多种模型，能够自动生成订单。Kong希望通过开源Volcano为开发者提供更好的工具，促进MCP代理的构建。

iFLYTEK在2025年KubeCon + CloudNativeCon中国大会上展示了利用Volcano优化大规模AI模型训练的案例，通过弹性调度和多租户隔离，提高了GPU利用率，降低了基础设施成本，加快了训练速度。

批处理在现代数据处理和机器学习中至关重要。Kubernetes虽然最初用于长时间运行的服务，但现已支持批处理工作负载。本文探讨了Kubernetes上的批调度及其挑战，并比较了三种开源工具：Apache YuniKorn、Volcano.sh和Kueue，以有效管理资源和任务依赖。选择合适的工具可提升Kubernetes的批处理能力。

Apache Spark的Kubernetes Operator简化了在Kubernetes上运行Spark应用程序的过程，使用自定义资源指定、运行和显示应用程序状态。支持使用volcano作为调度器解决Kubernetes调度器问题。

Tesla’s Gigafactory has been targeted by environmental activists who oppose plans to expand the facility. | Photo by Sean Gallup / Getty Images A group of left-wing extremists has claimed...

Cromwell是一个流行的开源工具，用于管理和执行基于工作流的数据分析任务。它支持多种计算环境，包括本地计算机、云计算和高性能计算集群。Volcano是基于Kubernetes的容器批量计算平台，主要用于高性能计算场景。本文介绍了如何将Cromwell和Volcano集成，并演示了如何使用Cromwell在Amazon EKS上运行GATK4 HaplotypeCaller的生信流程。