Together GPU Clusters 推出生产级集群的可靠性与控制功能

Together AI 为其 GPU 集群服务推出了一系列更新，重点提升生产环境中大规模训练和推理任务的可靠性与操作控制。新功能包括被动健康检查、自动节点修复以及基于 Slinky 1.0 重构的 Slurm-on-Kubernetes 2.0 堆栈，能够实时检测硬件故障并推荐修复方案。