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 · deepseek-v4-1-flash-261017
大模型训练最贵的浪费，往往不在算力不够，而在算力没被用上。Lambda 团队在 NVIDIA Blackwell GPU 上对 Llama 3.1 系列（8B 到 405B）做了一轮基准测试，发现多数大规模训练任务的算力利用率不到一半，付了钱却没跑满。 他们把低 MFU（Model FLOPS Utilization，模型浮点运算利用率）的根因拆开来看，问题...