# TorchTitan supporta nuovi modelli e introduce funzioni di RL

> La piattaforma PyTorch ora addestra i più recenti modelli open-weight e include TitanRL, uno stack unificato per il reinforcement learning.

Oossa · 2026-10-21 · https://oossa.com/it/torchtitan-adds-new-model-support-and-reinforcement-learning-features

TorchTitan, la piattaforma di training nativa per PyTorch, ha annunciato diversi aggiornamenti. Ora supporta i più recenti modelli open-weight, tra cui Muse Spark Open, Qwen3‑VL, Kimi K2.7, Kimi K3 e DeepSeek‑V4, tutti integrati con il suo parallelismo a 5 dimensioni. La stessa release introduce TitanRL, un framework di reinforcement learning che riutilizza lo stesso modello preaddestrato sia per il pretraining sia per l’inferenza, eliminando la necessità di codebase separate. Tra i miglioramenti delle prestazioni figurano kernel più veloci, una gestione della memoria più efficiente e nuove funzionalità di comunicazione che accelerano il training su larga scala.

## I fatti

- Il nuovo elenco di modelli comprende Muse Spark Open, Qwen3‑VL, Kimi K2.7, Kimi K3 e DeepSeek‑V4
- TitanRL consente di usare lo stesso codice del modello per pretraining, post-training e inferenza

## Perché conta

I ricercatori possono adottare i modelli più recenti e svolgere esperimenti di RL senza riscrivere il codice, risparmiando tempo e riducendo gli errori.

## Fonti e riferimenti

1. [TorchTitan Update: New SOTA Models, Performance at Scale, TitanRL](https://pytorch.org/blog/torchtitan-update-new-sota-models-performance-at-scale-titanrl/) – PyTorch

Ultimo aggiornamento: 2026-10-21