Gradient發佈Echo-2分佈式RL框架，提升AI科研效率超10倍

框架核心特性

分佈式AI實驗室Gradient今日發佈Echo-2分佈式強化學習框架，通過在架構層實現Learner與Actor的徹底解耦，結合異步強化學習（有界陳舊性），顯著降低大模型後訓練成本。

訓練成本與效率提升

• 將30B參數模型的後訓練單次成本降至約425美元/9.5小時，相較此前成本大幅下降。
• 三平面架構設計支持即插即用，Lattica可在數分鐘內分發60GB以上的模型權重。
• 在使用Parallax調度分佈式RTX5090進行Qwen3-8B模型訓練時，相較集中式A100方案，成本降低36%，且未出現訓練發散問題。

發佈背景與目標

該框架旨在打破AI研究訓練效率壁壘，提升科研人員在大模型訓練過程中的效率與可行性，為AI科研提供更經濟、穩定的解決方案。

來源：https://www.panewslab.com/zh/articles/019c523d-be26-7501-91ca-22ca4ef412e1