Meta 揭秘 Prometheus 超集群:Muse 训练 goodput 超 85%
AIatMeta · x · 2026-10-20
Meta 官方工程博客首次详解其俄亥俄州 New Albany 的吉瓦级超集群 Prometheus——用于训练 Muse 系列基础模型(含前沿模型 Muse Wonder)的基础设施。关键数据与要点:
- 一期已建成并完成 Muse 模型训练,目标扩展至约 100 万块 GPU;采用闭环液冷等技术
- 在数十万 GPU 规模上,任何一台故障主机都可能拖慢整个训练任务。Prometheus 实现了预训练 goodput 85%+、强化学习 90%+,Muse Wonder 训练期间平均无中断时长约 4.7 万 GPU 小时
- 该站点两年前还是跑普通 web 流量的常规数据中心,通过硬件、网络与建筑设计改造转型为前沿模型训练基地
这展示了 Meta 在超大规模训练可靠性工程上的领先实践,是吉瓦级 AI 算力集群的罕见一手细节。
所属事件:Meta 首次披露吉瓦级超集群 Prometheus 细节(4 条相关)→
「Infra」频道最新
- SemiAnalysis：英伟达 GB300 FP4 反击提交仍比 TPUv7 每美元性能低 1.64 倍 — xennygrimmato_ · 2026-10-20
- RTX Spark 旧金山首发排长队,本地跑 Qwen 模型的 ODS 演示人气火爆 — TheZachMueller · 2026-10-20
- 机器人模型 Dream-1 Beta 单次成功运行成本仅 1.72 美元，比 LLM Agent 便宜最高 41 倍 — gharik · 2026-10-20
- Arm AGI CPU 实测:端到端 agentic 工作流达 x86 的 2 倍 — ryanshrout · 2026-10-20
- 工程师吐槽循环工程:CPU 核和推理算力永远缺一样 — kieranklaassen · 2026-10-20
- 西门子联手 NVIDIA 打造全 AI 工厂：工程量省 85%、上市快 40% — lukas_m_ziegler · 2026-10-20