i14与AWS分享Laplace 3B在Trainium2上的训练与推理实践

2026年10月21日，AWS Machine Learning Blog 发布 i14 与 AWS 合作的一手报道：i14 通过 TorchNeuron Native 将采用 Gated Linear Attention（GLA）架构的 Laplace 3B 线性注意力模型移植到 AWS Trainium2，并在该芯片上完成训练与部署，保留了 GLA 架构与 Muon 优化器。报道称，文中训练结果截至第 84,210 步、约 440 亿 token。报道还提示，由于 BF16 重结合会使编译输出与 eager 模式略有差异，在需要精确可复现时应使用 eager decode。对于上下文增长导致服务成本上升、并发下降或 agent 内存受限的场景，报道建议试用 i14，或联系 AWS 账户团队评估在 Trainium2 上运行 Laplace 3B。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现与早先报道矛盾的数字或说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。