AMD Primus
複雑さを排除した AI モデルの大規模トレーニング
Primus は、トレーニング セットアップ、最適化された Transformer、実稼働運用を 1 つのモジュール型エクスペリエンスに統合します。再現可能なワークフロー、カーネル アクセラレーション、クラスター検証、監視が組み込まれているため、初回実行からフリート規模のトレーニングへ迅速に移行できます。
Primus を使ってできること
分散ジョブを監視し、問題を迅速にデバッグ
単一の CLI で再現可能なトレーニング実験を開始
最適化された演算子を使用して Transformer ワークロードを高速化
大規模なトレーニング実行前にクラスターを検証
Primus プラットフォーム
Primus は、実験セットアップからクラスター規模の運用までのトレーニング ライフサイクル全体をサポートするモジュール式コンポーネントを提供します。
フレームワーク
リーダーシップ フレームワークのサポート
- Megatron-LM
- PyTorch TorchTitan
- JAX MaxText
AMD Primus
AMD ROCm™ でのトレーニング ワークフロー
大規模トレーニング向けリファレンス アーキテクチャ
- 設定
- 検証
- 高速化
- 監視
- 最適化
AI 開発者
なし
検証 + 監視
- Primus Tuning Agent & Primus Projection
- Primus-Bench & Primus Preflight
- Primus-Lens
なし
Production Scale RL - 近日公開
RL ワークフロー パス
- OSS RL スタック
- veRL、Miles、Slime のサポート
- AMD 検証済み Docker & アップストリーム CI/CD
基盤
AMD ROCm™ Core SDK
ライブラリ | コンパイラ | ツール | ランタイム
パフォーマンス ベンチマーク
Primus ベンチマークを実行すると、顧客が AMD Instinct™ GPU の処理能力をモデル開発の高速化にどの程度、活用できているかがわかります。シングル ノードからマルチノード クラスターへとスケーリングしながら、GPU 使用率を最大化できれば、トレーニング所要時間を短縮すると共に、さまざまなモデル アーキテクチャでトレーニング効率を向上させることができます。
ROCm 10 と ROCm 7 の比較
トレーニング改善の加速
DeepSeek-V3-16B
DeepSeek-V2-Lite
Qwen3-30B-A3B
リリース間: 性能の向上
2.01x
2.54x
2.76x
平均
2.4X
各モデルで前のリリースより高速
並列化とスケジューリング
パイプライン並列化、シャーディング データ並列化、勾配オールリデュースのオーバーラップ
メモリ管理
活性化チェックポイント、FP8 混合精度、融合勾配累積
最適化されたカーネル
融合 FlashAttention (fwd + bwd)、グループ化 GEMM • 融合オプティマイザー ステップ
大規模にテスト、本番環境で実証
Zyphra がどのようにフルスタック AMD プラットフォーム上で ZAYA1 をゼロから構築したのかをご紹介します。このコラボレーションは、1,000 個以上の GPU でトレーニングされた比較対象モデルが、E2E Instinct スタック上の本番環境で収束することを示しています。
Primus の利用を開始する
モデル選択から大規模トレーニングまでの道のり
Instinct 上で最先端 AI モデルをゼロから構築するための、プロダクション テスト済みのリファレンス アーキテクチャを体験してください!
1
Primus エコシステム内で Primus LM を使用します。
2
GitHub で最新のプレリリース機能とソース コードをチェックアウト!
リソース
