Gradient發布Echo-2 RL框架，提升AI科研效率

Odaily訊 分散式AI實驗室Gradient今日發布Echo-2分散式強化學習框架，旨在打破AI研究訓練效率壁壘。透過在架構層實現Learner與Actor的徹底解耦，Echo-2將30B模型的後訓練成本從4,500美元驟降至425美元。在同等預算下，帶來超過10倍的科研吞吐量。

該框架利用存算分離技術進行非同步訓練 (Async RL)，將海量的取樣算力卸載至不穩定顯示卡實例與基於Parallax的異構顯示卡。配合有界陳舊性、實例容錯調度、與自研Lattica通訊協定等技術突破，在保證模型精度的同時大幅提升訓練效率。伴隨框架發布，Gradient也即將推出RLaaS平台Logits，推動AI研究從「資本堆砌」向「效率迭代」範式轉移。Logits現已面向全球學生與研究人員開放預約 (logits.dev)。

據悉，Gradient是一家致力於構建分散式基礎設施的AI實驗室，專注於前沿大模型的分散式訓練、服務與部署。