# EU-konsortium tränar AI-modell med 1 biljon parametrar på offentlig superdator

> Med PyTorch och TorchTitan nådde EUROPA-teamet cirka 1 300 token per sekund och GPU på 384 NVIDIA GH200-GPU:er – ett bevis på att träning i frontlinjeskala fungerar på delad EU-infrastruktur.

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

EUROPA-konsortiet – Domyn, Fraunhofer IAIS och IIS – tränade en mixture-of-experts-modell med omkring 1 biljon parametrar på JUPITER, EuroHPC:s exaskaladator vid Forschungszentrum Jülich. Genom att finjustera PyTorch och TorchTitan ökade de genomströmningen från 90 till cirka 1 300 token per sekund och GPU på sammanlagt 384 GH200-GPU:er (96 noder). Arbetet visar att offentlig, suverän datorkapacitet kan hantera AI i samma skala som privata kluster.

## Fakta

- Genomströmning: cirka 1 300 token/s per GPU på 384 NVIDIA GH200-GPU:er
- Modellstorlek: 951,9 miljarder parametrar totalt (32,8 miljarder aktiva per token)

## Varför det spelar roll

Det visar att europeiska offentliga datorresurser kan köra AI i frontlinjeskala och minska beroendet av hyrda privata molntjänster.

## Källor och referenser

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

Senast uppdaterad: 2026-11-12