グラデーション

分散型 AI ラボ Gradient が Echo-2 分散強化学習フレームワークを発表分散型 AI ラボ Gradient は本日、Echo-2 分散強化学習フレームワークを発表しました。これは AI 研究のトレーニング効率の壁を打破することを目的としています。アーキテクチャ層で Learner と Actor の徹底的なデカップリングを実現することで、Echo-2 は 30B モデルの後トレーニングコストを 4,500 ドルから 425 ドルに急降下させました。同等の予算で、10 倍以上の研究スループットを実現します。このフレームワークは、ストレージと計算の分離技術を利用して非同期トレーニング (Async RL) を行い、膨大なサンプリング計算能力を不安定な GPU インスタンスと Parallax ベースの異種 GPU にオフロードします。有界古さ、インスタンス耐障害スケジューリング、独自開発の Lattica 通信プロトコルなどの技術的ブレークスルーにより、モデルの精度を保証しながらトレーニング効率を大幅に向上させます。フレームワークの発表に伴い、Gradient は RLaaS プラットフォーム Logits を発表し、AI 研究を「資本の積み上げ」から「効率の反復」パラダイムへと移行させることを目指しています。Logits は現在、世界中の学生と研究者に予約を受け付けています。

分散型 AI ラボ Gradient が Echo-2 分散強化学習フレームワークを発表目標は AI 研究のトレーニング効率の壁を打破することであり、アーキテクチャ層で Learner と Actor のデカップリングを実現することで、大規模モデルの後トレーニングコストを削減します。公式データによると、このフレームワークは 30B モデルの後トレーニングコストを 4500 ドルから 425 ドルに削減できます。Echo-2 はストレージと計算の分離技術を利用して非同期トレーニング（Async RL）を行い、サンプリング計算能力を不安定な GPU インスタンスや Parallax ベースの異種 GPU にオフロードすることをサポートしています。さらに、Gradient は RLaaS（強化学習としてのサービス）プラットフォーム Logits を発表する予定で、現在は学生と研究者向けに予約を受け付けています。

OKXは2025年12月18日16:00〜20:00にPIPPINUSDT永久契約のグラデーションルールを調整し、市場流動性を向上させます。具体的な調整案には、各グレードの最大枚数、維持証拠金要件、最低初期証拠金率および最大利用可能レバレッジ倍率の変更が含まれます。ユーザーは市場の状況が調整時間に影響を与える可能性があることに注意してください。