以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Get 25% more from your training GPUs (Sponsor) Most large-scale AI training runs use less than half the computing power they're paying for. Lambda's team benchmarked Llama 3.1 models from 8B to 405B on NVIDIA Blackwell GPUs and found the root causes of low Model FLOPS Utilization (MFU). The result: a reproducible frame
阅读原文 · TLDR
向阳乔木 · opencode-go/deepseek-v4.1-flash
大多数大规模 AI 训练任务，实际用到的算力不到付费算力的一半。这个数字来自 Lambda 的基准测试：团队在 NVIDIA Blackwell GPU 上跑了从 8B 到 405B 的 Llama 3.1 系列模型，想搞清楚模型浮点利用率（MFU）为什么这么低。 结论指向三类具体问题：内存使用效率不足推高了成本，训练配置没有让硬件跑满，GPU 之间的通信存...