分布式 AI 实验室 Gradient 今日发布 Echo-2 分布式强化学习框架（arxiv.org/pdf/2602.02192），旨在打破 AI 研究训练效率壁垒。通过在架构层实现 Learner 与 Actor 的彻底解耦，Echo-2 将 30B 模型的后训练成本从 4,500 美元骤降至 425 美元。在同等预算下，带来超过10倍的科研吞吐。
该框架利用存算分离技术进行异步训练 (Async RL)，将海量的采样算力卸载至不稳定显卡实例与基于 Parallax 的异构显卡。配合有界陈旧性、实例容错调度、与自研 Lattica 通讯协议等技术突破，在保证模型精度的同时大幅提升训练效率。伴随框架发布，Gradient 也即将推出 RLaaS 平台 Logits，推动 AI 研究从“资本堆砌”向“效率迭代”范式转移。Logits现已面向全球学生与研究人员开放预约 (logits.dev)。
关于 Gradient
Gradient 是一家致力于构建分布式基础设施的AI实验室，专注于前沿大模型的分布式训练、服务与部署。Gradient获得了顶级投资机构支持，正在构建一个开放高效的未来智能时代。
免责声明：本文提供的信息不是交易建议。BlockWeeks.com不对根据本文提供的信息所做的任何投资承担责任。我们强烈建议在做出任何投资决策之前进行独立研究或咨询合格的专业人士。
