# EU-Konsortium trainiert 1-Billionen-Parameter-KI auf Supercomputer

> Mit PyTorch und TorchTitan erreichte das EUROPA-Team auf 384 NVIDIA GH200-GPUs rund 1.300 Tokens pro Sekunde und GPU – ein Beleg dafür, dass sich Spitzenmodelle auf gemeinsam genutzter EU-Infrastruktur trainieren lassen.

Oossa · 2026-11-12 · https://oossa.com/de/eu-consortium-trains-1-trillion-parameter-ai-model-on-public-supercomputer

Das EUROPA-Konsortium aus Domyn, Fraunhofer IAIS und IIS hat auf JUPITER, dem Exascale-Supercomputer von EuroHPC am Forschungszentrum Jülich, ein Mixture-of-Experts-Modell mit rund 1 Billion Parametern trainiert. Durch die Optimierung von PyTorch und TorchTitan steigerte das Team den Durchsatz auf rund 1.300 Tokens pro Sekunde und GPU – von zuvor 90 – auf 384 GH200-GPUs (96 Knoten). Die Arbeit zeigt, dass öffentliche, souveräne Rechenkapazitäten KI in derselben Größenordnung wie private Cluster ermöglichen.

## Die Fakten

- Durchsatz: rund 1.300 Tokens/s pro GPU auf 384 NVIDIA GH200-GPUs
- Modellgröße: insgesamt 951,9 Mrd. Parameter (32,8 Mrd. aktiv pro Token)

## Warum es wichtig ist

Das zeigt, dass öffentliche Rechenressourcen in Europa KI auf Spitzenniveau ermöglichen und die Abhängigkeit von gemieteten privaten Cloud-Kapazitäten verringern können.

## Quellen und Referenzen

1. [Training a 1T-Parameter MoE on EU public infrastructure with PyTorch and TorchTitan](https://pytorch.org/blog/training-a-1t-parameter-moe-on-eu-public-infrastructure-with-pytorch-and-torchtitan/) – PyTorch

Zuletzt aktualisiert: 2026-11-12