谷歌云在Kubernetes上开源AI（人工智能）技术栈：OpenRL、llm-d 1.0等五个项目进入CNCF沙箱
谷歌云（Google Cloud）在KubeCon北美2026大会上发布面向Kubernetes（开源容器编排平台）的开源AI（人工智能）原生技术栈，涵盖强化学习后训练、分布式推理、Ray计算调度、智能体运行时和容器沙箱。
其自行测试称，Gemma 4在法律智能体基准上的准确率从约50%提升到70%，但这只是谷歌云单方单一基准的结果，未披露评测细节，不构成对通用生产效果的独立验证。
谷歌云开发者布道师Abdelfettah Sghiouar和GKE产品管理总监Allan Naim在博客中介绍，OpenRL、llm-d 1.0、KubeRay、Agent Substrate、gVisor同属CNCF（云原生计算基金会）沙箱项目，另有TorchTPU作为PyTorch在云TPU和GPU（图形处理器）上的后端。
llm-d由谷歌云、Red Hat、IBM（国际商业机器公司） Research、CoreWeave和NVIDIA（英伟达）共同发起，25个以上组织、500多名工程师参与贡献； 文章称其前缀缓存感知路由在生产部署中将KV缓存命中率从35%提升到70%，多轮智能体工作负载的首个令牌中位延迟下降70%至85%。
谷歌云用Harvey.ai开发的法律智能体基准（LAB，覆盖24个法律业务领域）测试Gemma 4，称标准监督微调在约50%准确率处停滞，加入OpenRL的强化学习循环后提升至70%。
这套栈真正指向的是AI（人工智能）应用的基础设施成本与数据主权问题：若开源权重模型配合强化学习后训练能在特定垂直任务上取得可复现提升，对数据外发敏感的行业可能多一条自建路径； 但现有证据仅为谷歌云在LAB单一法律基准上的自测结果，尚不能外推至其他行业或与闭源API（应用程序编程接口）比较。
70%的准确率既不代表法律服务质量，也未披露评测细节，不能外推为行业平均水平。
后续观察信号
- llm-d 1.0的缓存命中率提升是否有独立第三方测试？
- Gemma 4在LAB上的评测细节与可复现性如何？
- CNCF沙箱项目通常多久能进入孵化阶段？