i14 与 AWS 在 Trainium2 上运行 Laplace 3B
先了解这件事
i14 与 AWS 合作，通过 TorchNeuron Native 的原生 PyTorch 支持，把采用 Gated Linear Attention（GLA）的 Laplace 3B 线性注意力模型部署到 AWS Trainium2，并保留了该模型的 GLA 设计与 Muon 优化器。 该模型每序列的循环状态固定为 29.5 MB，不随上下文长度增长，训练注意力复杂度从 O(T²) 降至 O(T)。在单台 trn2.48xlarge 实例上，Laplace 3B 训练速度约 120,000 tokens/s，推理在 1,280 条并发序列下达到 11,544 output tokens/s。 AWS 称，若上下文增长导致服务成本上升、并发下降或限制 agent 记忆，可试用 i14 或联系 AWS 账户团队评估在 Trainium2 上运行 Laplace 3B。AWS 同时提示，由于 BF16 重结合会使编译输出与 eager 模式略有差异，需要精确复现时应使用 eager decode。
AI 根据报道生成 · 1 天前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AWS Machine Learning Blogi14 的 Laplace 3B 线性注意力模型如何在 AWS Trainium2 上用原生 PyTorch 训练与推理
i14 与 AWS 合作，通过 TorchNeuron Native 的原生 PyTorch 支持，将采用 Gated Linear Attention（GLA）的 Laplace 3B 线性注意力模型带到 AWS Trainium2，并保留了其 GLA 设计与 Muon 优化器。该模型每序列的循环状态固定为 29.5 MB，不随上下文长度增长，训练注意力从 O(T²) 降至 O(T)。在单台 trn2.48xlarge 实例上，Laplace 3B 训练速度约 120,000 tokens/s，推理在 1,280 条并发序列下达到 11,544 output tokens/s。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 1010月21日 06:00
- 近 24 小时变化
- -50%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。