Sari la conținut
aiqbenchInformații despre AI & calcul cuantic
ȘtiriAnalizeBenchmark-uriSkill-uriÎntreabă AIÎnvațăDespre
...Se încarcă sesiunea
ȘtiriAnalizeBenchmark-uriSkill-uriÎntreabă AIÎnvațăDespre

Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Înapoi la listă
perspectiva aiqbenchMachine learning

analiza aiqbench

This release is a substantial infrastructure update for teams running distributed training and inference, most notably the rewritten NCCL backend becoming default and new one-sided transports. The Apple Silicon FP8 and decode-speed gains and the expanded AMD, Intel, and CUDA 13.x support matter most for practitioners choosing hardware or planning deployments. The reported speedups (e.g., 1.32–1.34x tokens/s on MoE decode) are vendor-stated and should be validated on your own workloads.
1
Sursă care acoperăPyTorch

PyTorch 2.15 Release Blog

PyTorch·28 octombrie 2026·8 min de citit·Articolul și perspectiva sunt în engleză.

De la PyTorch

Fragment

We are excited to announce the release of PyTorch® 2.15 (release notes)!

The PyTorch 2.15 release features the following changes:

One-sided transports for torch.distributed, with a NIXL backend and CUDA-graph-capturable transfers

Apple Silicon gains FP8 and faster decode, with float8_e4m3fn and _scaled_mm, a new grouped_mm with a decode fast path (1.32–1.34x tokens/s on MoE decode), and public torch.mps.Stream APIs

Broader platform support with FlyDSL kernels on AMD gfx950, Tensor Data Mover support for gfx1250 (MI450), ROCm 10.0 wheels, simpler SYCL kernel authoring and multi-GPU profiling on Intel GPUs, CUDA 13.2 as the default wheel with CUDA 13.4 alongside it, and torch.compile on Python 3.15

This release is composed of 3,117 commits from 583 contributors since PyTorch 2.14. We want to sincerely thank our dedicated community for your contributions. As always, we encourage you to try these out and report any issues as we improve 2.15.

Extras afișat conform termenilor RSS ai publicației · 145 cuvinte · textul integral și figurile sunt pe site-ul publicației

Citește pe PyTorch ↗Întreabă despre acest articol

Subiecte conexe

Produse AI

Silent Failures at the $2^{32}$ Boundary: A Technical Report on Large-Tensor Matrix Multiplication in PyTorch's Apple MPS Backend

arXiv · 22 sept. 2026

Cercetare AI

[AINews] Behind Latent Space: Kill My SaaS, Jev & AI in 2026 | AIEi Shanghai

Latent Space · 4 nov. 2026

Cipuri & infrastructură

[AINews] DeepSeek DeepInfer: Open Source SOTA Inference running 155T toks/day/cluster making $22m/day at ~80% margin for a 81 day payback

Latent Space · 21 oct. 2026

Cipuri & infrastructură

Migrating vLLM to the LibTorch Stable ABI

vLLM Blog · 6 nov. 2026

Article info

Source

PyTorch

Published

28 octombrie 2026

Read time

8 min

Category

Machine learning
aiqbench
Informații despre AI & calcul cuantic© aiqbench. Toate drepturile rezervate.

Fluxuri:RSS·JSON Feed

LimbăEnglish·Românăbeta
ȘtiriAI & tehnologieCuanticAnalize
ExploreazăBenchmark-uriÎnvață
CompanieDespreÎncredereInformații legaleTermeni și condițiiPolitica de confidențialitateNotificări privind drepturile de autorȘtergerea datelorRaportează conținut

Perspectiva aiqbench, analizele, rezumatul zilnic și răspunsurile din Întreabă sunt scrise de modele AI din sursele afișate, fără revizuire editorială înainte de publicare. Pot conține erori — verifică sursa. Cum este folosit modelul →

  • Știri
  • Analize
  • Întreabă
  • Topuri
  • Cont