2026. szeptember 16., szerda · Eszközök

Az NVIDIA NVLink 6: többrétegű hibatűrés az AI-gyárak számára

Az NVIDIA saját technikai blogján ismertette az NVLink 6 új, hibatűrő architektúráját, amely a vállalat állítása szerint natívan veszteségmentes hálózatot biztosít az AI-infrastruktúrákhoz. A cég szerint a hibrid előrehaladó hibajavítás, a fizikai rétegbeli újrapróbálkozás és az UPHY-helyreállítás szinte nulla késleltetési büntetéssel javítja a jelhibákat, míg a kreditalapú áramlásvezérlés eleve kizárja a csomagvesztést. Az NMX vezérlő „elzár és lecsapol” állapota és a nagy rendelkezésre állási funkció állítólag másodperceken belül izolálja a hibákat és migrálja a vezérlési funkciókat. A cég közlése szerint az NVIDIA Dynamo Shadow Engine Recovery funkciója B200 GPU-kon 7,3 másodperc alatt állítja helyre az inferenciakapacitást a hidegindítás 283 másodpercéhez képest, az NCCL cuda-checkpoint prototípusa pedig év végére válhat általánosan elérhetővé. Az NVLink Fusion ugyanezt a hibatűrési rétegkészletet terjeszti ki külső fejlesztésű XPU-kra is.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

Az NVIDIA szerint a Dynamo Shadow Engine 7,3 másodperces helyreállítása közvetlenül csökkentheti az inferenciaszolgáltatók bevételkiesését, míg az NVLink Fusion révén harmadik féltől származó chipek is bekapcsolódhatnak az NVIDIA hálózati ökoszisztémájába.

Források

NVIDIA Technical Blog Hivatalos

Kapcsolódó témák

Napi összefoglalók AI eszközök #NVLink 6#NVIDIA Dynamo

Napi összefoglaló

Ez a hír a 2026. szeptember 16., szerda napi AI összefoglaló része.

Kapcsolódó hírek

A Netflix elosztott rendszerként kezeli a GPU-k megbízhatóságát

A Netflix saját cikkében bemutatta, hogyan épít megbízhatósági platformot nagy léptékű GPU-alapú tréning- és következtetési feladatokhoz. A vállalat szerint a rendszer többrétegű hardverellenőrzéseket (NVIDIA DCGM, hálózati adapter-figyelés), automatikus hibajavítást és hibatűrő tréninget kombinál Kubernetes és Karpenter alapon, hogy egyetlen hibás GPU vagy lassú gép ne állítsa meg a hetekig futó, több száz GPU-t használó modellbetanítást. A Netflix adatai szerint ezzel 99,95% feletti GPU-csomópont-rendelkezésre állást és a feladatok sikerességi arányának körülbelül 98%-ról 99,5% fölé emelését érték el. A platform checkpointingot, rugalmas workereket és az NVIDIA Multi-Instance GPU (MIG) technológiáját is használja, hogy a kisebb következtetési feladatok megosztva, izolált memóriával futhassanak egy GPU-n.

Az Nvidia NemoClaw nyílt blueprintjei AI-ügynök-stacket építenek

Az Nvidia bemutatta a NemoClaw nyílt blueprint-gyűjteményét, amely a már használt ügynök-keretrendszereket – az OpenClaw-t, a Hermes Agentet és a LangChain Deep Agentst – egészíti ki Nemotron modellekkel, NeMo optimalizálási eszközökkel és az OpenShell biztonságos futtatókörnyezettel. A vállalat szerint a LangChain a Deep Agents keretrendszerét a Nemotron 3 Ultra modellhez hangolta, így az a vezető zárt modellekhez közeli teljesítményt ér el, miközben a futtatási költség mintegy tízszer alacsonyabb. Az OpenShell szabályozza, hogy az ügynökök milyen fájlokhoz, hálózatokhoz, hitelesítő adatokhoz és eszközökhöz férhetnek hozzá, így szabályok kötik őket akkor is, ha a memória vagy a lehívott kontextus nem kívánt műveletre utalna. Az Nvidia szerint a NemoClaw-ügynökök felhőben, adatközpontban, DGX Spark eszközökön és RTX PC-ken is futtathatók.

Az AWS új kvótakezelést vezetett be a SageMaker tanítási feladatokhoz

Az AWS Batch mostantól kvótakezelést kínál a SageMaker Training feladatokhoz, amely lehetővé teszi, hogy a vállalatok a megosztott GPU-kapacitást csapatonként vagy projektenként osszák fel. A vállalat szerint az adminisztrátorok kvótarészeket hozhatnak létre, amelyekhez konfigurálható erőforrás-megosztási stratégiák (fenntartás, kölcsönadás, vagy kölcsönadás és -vétel) tartoznak, így a szabadon álló kapacitás automatikusan átirányítható a dolgozó csapatokhoz. A rendszer úgynevezett kereszt-megosztási elvonást (cross-share preemption) alkalmaz, amely automatikusan visszaveszi a kikölcsönzött kapacitást, ha a kölcsönadó csapatnak újra szüksége van rá, elkerülve a manuális feladatleállítást. Emellett bevezethető a prioritás alapú, csapaton belüli elővásárlás (in-share preemption) is, amely a magasabb prioritású feladatokat előresorolja a várakozási sorban. Az AWS a funkciót a SageMaker Python SDK-n keresztül teszi elérhetővé, mintakóddal és felhasználói útmutatóval.

Az Anthropic szerint nem kell teljes mentális modell a Claude Code-hoz

Az Anthropic közzétette, hogyan működik most a Claude Code kódellenőrzése, miután a vállalat szerint a kód mintegy 90%-át maga a Claude írja. A cég szerint a csapat tagjai közül senki nem tart fejben teljes képet a kódbázisról, ehelyett Claude-tól kérnek magyarázatot egy-egy részlethez, amikor valakinek meg kell értenie egy szeletét. A monorepó napi összevont változtatásainak száma májusról szeptemberre a cég szerint körülbelül 2500-ról 30 000 fölé nőtt, ezért a korábbi kódellenőrzési folyamat is átalakult. A beolvasztást egy kockázati besorolás szabályozza: alacsony kockázatú változtatás emberi jóváhagyás nélkül mehet át, és egy ügynök jóváhagyása sosem számít emberi jóváhagyásnak. A cég szerint egyelőre nincsenek olyan automatikus féklépcsők, amelyek szigorítanák a jóváhagyást, ha a mutatók romlanak, és a mérnökök ezt hiányolják, mielőtt több kód kerülne nulla emberi beavatkozással élesítésre.