i14与AWS将Laplace 3B移植到Trainium2

i14 与 AWS GenAIIC 团队合作，通过 TorchNeuron Native 把线性注意力模型 Laplace 3B 移植到 AWS Trainium2，并保留了该模型的 Gated Linear Attention 设计与 Muon 优化器。 据 AWS 博客，在单台 trn2.48xlarge 实例上，Laplace 3B 训练速度约为每秒 12 万 token；推理在 1,280 条并发序列下达到每秒 11,544 个输出 token。博客同时说明，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 解码。 对于上下文增长导致服务成本上升、并发受限或 agent 记忆受限的场景，i14 建议试用该模型，或联系 AWS 客户团队评估在 Trainium2 上运行 Laplace 3B。

AI 根据报道生成 · 37 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。