Gradient hat Echo-2 gestartet, ein neues verteiltes Reinforcement-Learning-Framework, das die Effizienz der KI-Forschung erheblich steigert. Durch die Entkopplung von Lernenden und Akteuren reduziert Echo-2 die Nachtrainingskosten eines 30-Milliarden-Modells von 4.500 auf 425 US-Dollar und erreicht dabei eine über 10-fach höhere Forschungsdurchsatzrate. Das Framework nutzt die Trennung von Rechen- und Speicherressourcen für asynchrones Training und lagert Sampling-Aufgaben auf instabile GPU-Instanzen aus, wobei die Modellgenauigkeit durch Innovationen wie begrenzte Veralterung und ausfallsichere Planung von Instanzen erhalten bleibt. In Verbindung mit Echo-2 plant Gradient die Einführung seiner RLaaS-Plattform Logits, die darauf abzielt, die KI-Forschung von kapitalintensiver zu effizienzgetriebener Innovation zu transformieren. Logits nimmt jetzt weltweit Anmeldungen für Wartelisten von Studenten und Forschern entgegen.