Foresight News 消息，分布式 AI 实验室 Gradient 发布 Echo-2 分布式强化学习框架，旨在打破 AI 研究训练效率壁垒。该框架通过在架构层实现 Learner 与 Actor 的解耦，旨在降低大模型的后训练成本。据官方数据显示，该框架可将 30B 模型的后训练成本从 4500 美元降低至 425 美元。

Echo-2 利用存算分离技术进行异步训练（Async RL），支持将采样算力卸载至不稳定显卡实例与基于 Parallax 的异构显卡。该框架配合有界陈旧性、实例容错调度以及自研 Lattica 通讯协议等技术，在维持模型精度的前提下提升训练效率。

此外，Gradient 计划推出 RLaaS（强化学习即服务）平台 Logits，目前已面向学生与研究人员开放预约。