摘要：

当预训练成为巨头堆砌算力的资本游戏，后训练则是比拼框架效率的主战场。分布式 AI 实验室 Gradient 今日正式发布 Echo-2 分布式强化学习框架。通过在架构底层实现 Actor 与 Learner 的彻底解耦，Echo-2 成功将 30B 模型的强化学习（RL）训练成本从 4,500 美元大幅压降至 425 美元，训练时长缩短至 9.5 小时。这标志着分布式 AI 架构在异构计算领域取得关键性范式转移，验证了去中心化 RL 的工程可行性与巨大潜力，将 AI 研究的迭代速度提升 10 倍以上。

从 OpenAI o1 到 DeepSeek-R1，强化学习（RL）已取代单纯的数据堆砌，成为赋予大模型推理与自我验证能力的核心引擎。然而，RL 训练极其昂贵的试错成本，正在成为提升 AI 研究迭代速度的一大阻碍。当前，对一个 30B 规模的模型进行一次后训练往往需要数千美元，而对 600B 级别的大模型进行一次完整的后训练，成本则至少在 10 万美元以上。更重要的是，在真实的研究过程中，几十到上百次不同规模的后训练是非常常见的。这迫使在研究团队中需要在探索与预算之间做抉择。

Gradient 今日正式推出 Echo-2 框架（论文编号 arXiv:2602.02192），旨在通过底层架构的重构，打破这一僵局，解锁 AI 缩放定律的第二曲线。研究表明，Echo-2 能将模型后训练成本降低 10 倍，让研究团队从容试错，在同等预算下拥有超过 10 倍的科研效率。

Echo-2 突破：10.6 倍科研效率提升

为了验证 Echo-2 的极限性能，我们在 DAPO-17k 数据集上进行了 Qwen3-30B-A3B 模型的训练基准测试，并与主流云服务商进行了严格对比。

Echo-2 配置：

• Learner（训练端）：4×H200（保证梯度更新的稳定性）
• Actors（采样端）：动态编排的分布式、不稳定 H200 算力池

实测数据显示，Echo-2 的高效率训练对模型收敛性并无影响。

并且 Echo-2 的奖励曲线与价格昂贵的 Fireworks 在统计学上完全重合。这意味着，Echo-2 在利用不可靠、碎片化算力的同时，实现了零性能损耗的企业级收敛效果。

技术深潜：解决分布式系统的异构难题

Echo-2 通过解决四大核心工程难题，将分布式 RL 从理论变为生产力工具：

• 具有“有界陈旧性”的异步 RL：传统 RL 训练要求“发布策略 - 等待采样 - 训练”的严格同步，导致大量算力闲置。Echo-2 解除了这种耦合，允许采样和训练异步进行。通过控制陈旧性（Staleness），Echo-2 可以在保持训练质量的同时，大幅提升系统吞吐量。
• 三层模块化架构：Echo-2 将系统解耦为采样层、学习数据层三个独立平面。这意味着切换训练任务（如从数学推理切换到代码生成）只需更改配置，无需重写底层代码。
• Lattica 通讯协议：为了解决分布式网络的带宽瓶颈，Echo-2 引入了这种点对点（P2P）神经广播协议。通过将权重分发从线性增长优化为对数级增长，Lattica 在 30B 模型训练中将权重同步的尾延迟从 25 分钟骤降至 14 分钟，解决了分布式网络的“最后一公里”难题。
• 不稳定实例容错调度：在实测中，Echo-2 面对云端不稳定实例高达 40% 的突发回收率，通过动态冗余调度策略仍保持了极高的训练稳定性，证明了其在极致成本下的企业级可靠性。

极限压测：拓展 Echo-2 能力边界

为了验证架构的普适性，Gradient 团队进行了更广泛的内部压力测试：

• 消费级显卡聚合：在使用 4×A100 作为训练端，分布式 RTX 5090 作为采样端的配置下，Echo-2 在 5 个数学基准测试（如 AIME24, OmniMath）中，以 33-36% 的成本降幅达到了与全 A100 集群一致的分数。
• Agent 智能体博弈：除了数学模型，Echo-2 还成功训练了一个 Qwen3-0.6B 的智能体，在无限注德州扑克（No-Limit Texas Hold'em）中击败了更大型的 LLM 对手。这证明了通过 Echo-2,即使是小参数模型，也能利用不可靠算力产出可靠的研究成果。

商业化落地：Logits RLaaS 平台

Echo-2 证明了科研速度不再受限于预算。当单次训练成本从 $4,490 降至 $425，意味着在同样的预算下，研究者可以进行 10 次实验。

基于 Echo-2 框架，Gradient 也还将推出首个 RLaaS（RL 即服务）平台：Logits。

Logits 通过抽象复杂的分布式系统细节，让研究者和企业无需从零搭建基础设施，即可直接调用 Echo-2 架构。值得注意的是，Echo-2 与 Gradient 此前开源的分布式推理引擎 Parallax 深度协同，Logits 平台将直接调用 Parallax 作为 RL 的 Actor，真正实现用模型推理反哺模型进化的闭环生态。

目前，Logits 已面向高校学生和研究人员开放 Early Access 预约。

🔗 阅读论文：https://arxiv.org/pdf/2602.02192

🔗 Logits Early Access：https://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，正在通过开放高效的基础设施加速未来智能时代的到来。