# Prime Intellect پشتیبانی آموزشی را به کرنل‌های Mega MoE افزود

> Prime Intellect می‌گوید کرنل‌های فیوژن‌شده‌اش در آزمایش‌ها تا 3.11× سریع‌تر از پیاده‌سازی پایه PyTorch اجرا شده‌اند و توان عملیاتی آموزش را 34% افزایش داده‌اند.

Oossa · 2026-10-26 · https://oossa.com/fa/prime-intellect-adds-training-support-to-mega-moe-kernels

Prime Intellect یک کرنل گذرِ پس‌روِ هم‌پوشان به سامانه Mega MoE شرکت DeepSeek افزوده است تا بتوان از آن برای آموزش مدل‌های ترکیبی از متخصصان استفاده کرد. این شرکت می‌گوید کرنل‌ها تا 3.11× سریع‌تر از پیاده‌سازی پیش‌فرض PyTorch بوده‌اند و آموزش سرتاسری در Prime-RL نیز تا 1.34× سریع‌تر از حالت پایه اجرا شده است.

آزمایش‌های سرتاسری با GPUهای H200 و مدل‌های Qwen3 در پیکربندی‌های چهار و 16 نودی انجام شده‌اند. پشتیبانی به نوع GPU بستگی دارد: کرنل‌ها از bfloat16 پشتیبانی می‌کنند، اما برخی قالب‌های FP8 فقط روی GPUهای Hopper یا Blackwell در دسترس‌اند.

## حقایق

- Prime Intellect گزارش می‌دهد که کرنل‌های MoE آن تا 3.11× سریع‌تر از پیاده‌سازی پیش‌فرض PyTorch هستند.
- این شرکت از آموزش سرتاسری تا 1.34× سریع‌تر خبر می‌دهد که معادل افزایش 34% در توان عملیاتی است.

## چرا مهم است

برای تیم‌هایی که مدل‌های MoE را روی GPUهای پشتیبانی‌شده Hopper یا Blackwell آموزش می‌دهند، این کرنل‌ها می‌توانند زمان آموزش را کاهش دهند؛ هرچند سرعت‌های گزارش‌شده حاصل آزمایش‌های خود Prime Intellect هستند و ممکن است در پیکربندی‌های دیگر به دست نیایند.

## منابع و ارجاع‌ها

1. [ResearchOCT 23RD, 2026Prime Mega MoE: Fast Fused MoE Kernels for Training](https://www.primeintellect.ai/blog/prime-mega-moe) – Prime Intellect

آخرین به‌روزرسانی: 2026-10-26