Gradient 發布 Echo-2 RL框架，提升 AI 科研效率超 10 倍

ChainCatcher 消息，分布式 AI 實驗室 Gradient 今日發布 Echo-2 分布式強化學習框架，旨在打破 AI 研究訓練效率壁壘。通過在架構層實現 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。

該框架利用存算分離技術進行異步訓練 (Async RL)，將海量的採樣算力卸載至不穩定顯卡實例與基於 Parallax 的異構顯卡。配合有界陳舊性、實例容錯調度、與自研 Lattica 通訊協議等技術突破，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。