Фреймворк PyTorch получил крупное обновление

Фреймворк PyTorch, на котором обучается половина современных нейросетей, получил крупное обновление — версию 2.9. Оно может показаться техническим, но на самом деле закладывает основу для следующего витка AI-революции.

Главное изменение — появление стабильного ABI для libtorch, то есть теперь разработчики могут создавать собственные C++ и CUDA-расширения без страха, что после следующего апдейта всё рухнет. Для индустрии, где проект живёт годами, это значит одно — надёжность на уровне промышленных стандартов.

Второе новшество — Symmetric Memory. Это технология, которая ускоряет взаимодействие между несколькими видеокартами. Если раньше GPU приходилось передавать данные через центральную память ^[1], теперь они могут обмениваться напрямую. В реальных проектах это даёт прирост скорости до 30–40%, а при обучении ^[2] больших моделей экономию на уровне сотен тысяч долларов.

Теперь официально поддерживаются ROCm (AMD), XPU (Intel) и CUDA 13 (NVIDIA). Это значит, что разрабатывать нейросети можно не только на зелёных картах — AMD и Intel тоже выходят в игру. Для исследователей в Азии, где NVIDIA-чипы дефицитны, это шанс продолжать инновации без зависимостей.

Команда PyTorch подчёркивает, что 2.9 — результат массового вклада сообщества: 452 контрибьютора внесли более трёх тысяч изменений. Это не просто апдейт, а коллективная эволюция ^[3] открытого кода.

Внутри улучшены и инструменты компиляции, и автотюнинг, и поддержка mixed precision. Для конечного пользователя это означает, что модели будут обучаться быстрее и стоить дешевле, а значит, порог входа для стартапов и исследователей снизится ещё сильнее.

Делегируйте часть рутинных задач вместе с BotHub! ^[4] Для доступа к сервису не требуется VPN и можно использовать российскую карту. По ссылке ^[5] вы можете получить 100 000 бесплатных токенов для первых задач и приступить к работе с нейросетями прямо сейчас!

Источник ^[6]