
L'IOTA SDK démontre un entraînement cohérent sur des GPU distribués malgré 585 interruptions de workers
585 pannes, 140 GPU, sept runs et des courbes quasi identiques : l'IOTA SDK de Macrocosmos montre qu'un entraînement d'IA décentralisé peut encaisser les crashes sans dévier.
Macrocosmos a partagé les résultats de son IOTA SDK (subnet SN9) : sept entraînements indépendants d'un modèle à 16 milliards de paramètres, chacun réparti sur environ 140 GPU distribués. Malgré 585 crashes, préemptions et reconnexions de workers, les sept runs ont produit des courbes de loss quasi identiques, preuve d'un apprentissage stable malgré les interruptions.
Le SDK coordonne l'entraînement sur des GPU opérés indépendamment via data et pipeline parallelism, avec une orchestration qui gère les pannes. Présenté à l'Exploit Summit de Montréal autour de workflows PyTorch, il complète l'initiative Train at Home. Limite : la reproductibilité du comportement est démontrée, pas celle des poids du modèle, et aucun gain de coût ou de performance n'est établi face aux infrastructures classiques.