Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
openai5. Mai 2026 · Q007896

Supercomputer networking to accelerate large scale AI training

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI beschreibt MRC als Protokoll, das Datenpakete über viele parallele Netzwerkpfade verteilt und Ausfälle mit SRv6-Quellrouting umgeht, um große KI-Trainingsläufe stabiler zu halten. Nach Angaben des Unternehmens bewährt es sich bereits in großen Clustern; der Bericht stützt die Leistungsangaben auf eigene Betriebserfahrungen und nennt keine unabhängigen Benchmarks.

Mittel

OpenAI stellt MRC als gemeinsam mit AMD, Broadcom, Intel, Microsoft und NVIDIA entwickeltes Protokoll für große KI-Trainingscluster vor. Es soll Verzögerungen durch Überlastung und Netzwerkausfälle verringern, die beim synchronen Training viele GPUs gleichzeitig ausbremsen können. Die Spezifikation wurde über das Open Compute Project veröffentlicht.

MRC teilt Verbindungen in mehrere parallele Netzebenen auf und verteilt Pakete derselben Übertragung über viele Pfade. Bei Überlastung oder Paketverlust wechselt es den Pfad; mit SRv6-Quellrouting gibt der Sender den Weg vor, sodass Switches statische Routen nutzen können. OpenAI zufolge lassen sich so Netze für etwa 131.000 GPUs mit zwei Switch-Ebenen aufbauen, während herkömmliche Designs drei oder vier benötigen.

OpenAI berichtet, MRC werde in seinen größten NVIDIA-GB200-Clustern eingesetzt. Bei Trainingsläufen hätten häufige Verbindungsstörungen keinen messbaren Einfluss gehabt; nach dem Neustart von vier Switches habe das Training ohne vorherige Koordination weiterlaufen können. Die Wirksamkeitsangaben sind Selbstauskünfte des Unternehmens; der Bericht enthält keine unabhängigen Vergleichswerte. Bei einem vollständigen Switch-Ausfall nennt er eine vorübergehende Verlangsamung.

Ausführlich lesen

Der Bericht beschreibt Multipath Reliable Connection (MRC), ein Netzwerkprotokoll, das OpenAI gemeinsam mit AMD, Broadcom, Intel, Microsoft und NVIDIA für große KI-Trainingscluster entwickelt hat. OpenAI begründet den Ansatz damit, dass bei synchronem Training schon verspätete Datenübertragungen oder einzelne Netzwerkausfälle viele GPUs ausbremsen können. Mit wachsenden Clustern würden solche Störungen häufiger und herkömmliche dynamische Routenverfahren könnten nach einem Ausfall Sekunden oder länger zur Erholung benötigen. OpenAI stellt MRC als Beitrag zu einer effizienteren und ausfallsichereren Infrastruktur dar und hat die Spezifikation über das Open Compute Project veröffentlicht.

Ein Baustein ist eine mehrteilige Netzstruktur: Statt eine Netzwerkschnittstelle als einzelne Verbindung mit 800 Gbit/s zu behandeln, wird sie laut Bericht auf mehrere Verbindungen und parallele Netzebenen verteilt. Als Beispiel nennt OpenAI acht Verbindungen mit je 100 Gbit/s. Damit lasse sich ein Netzwerk für rund 131.000 GPUs mit zwei Switch-Ebenen aufbauen; konventionelle Netze mit 800-Gbit/s-Verbindungen benötigten dem Bericht zufolge drei oder vier Ebenen. OpenAI erwartet dadurch geringeren Stromverbrauch und weniger Komponenten sowie mehr Ausweichwege. Mehrere Wege allein reichten jedoch nicht: Wenn jede Übertragung einen einzigen Pfad nutzt, können sich Datenströme auf einzelnen Verbindungen stauen.

MRC verteilt deshalb die Pakete einer einzelnen Übertragung über viele Pfade und Netzebenen. Pakete dürfen in anderer Reihenfolge eintreffen; laut Bericht tragen sie ihre Zieladresse im Speicher, sodass sie beim Empfang abgelegt werden können. Erkennt MRC Überlastung oder Paketverlust, wechselt es den Pfad und sendet möglicherweise verlorene Pakete erneut. Es prüft später, ob ein ausgeschlossener Pfad wieder funktioniert. Bei Überlastung am Ziel kann ein Switch den Paketinhalt entfernen und nur den Kopf weiterleiten, um eine erneute Übertragung anzufordern. OpenAI zufolge ermöglicht diese Kombination, Ausfälle binnen Mikrosekunden zu umgehen.

Für die Routenwahl setzt OpenAI laut Bericht auf SRv6-Quellrouting: Der Sender kodiert den vorgesehenen Weg im Paket, und Switches folgen statisch eingerichteten Routentabellen. Dynamische Routenberechnung wird so entbehrlich; bei einem Ausfall meidet MRC den betroffenen Pfad, ohne dass Switches neue Routen berechnen müssen.

OpenAI berichtet, MRC werde in seinen größten NVIDIA-GB200-Supercomputern eingesetzt und sei für mehrere Modelle verwendet worden. In Produktionsläufen hätten mehrere Verbindungsstörungen pro Minute keinen messbaren Einfluss auf synchrones Vortraining gehabt. Bei einem Modelltraining seien vier Switches neu gestartet worden, ohne dass die Trainings- und Betriebsteams den Vorgang koordinieren mussten. Der Ausfall eines von acht Ports könne zwar die maximale Übertragungsrate um ein Achtel senken; die tatsächliche Verlangsamung sei laut OpenAI jedoch meist deutlich geringer als der Kapazitätsverlust. Diese Leistungsangaben stammen aus dem Bericht selbst: Er nennt keine unabhängigen Vergleichsmessungen oder detaillierten Benchmarkwerte. Bei einem vollständigen Switch-Ausfall beschreibt er zudem eine vorübergehende Verlangsamung, von der sich der Trainingslauf rasch erholt.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die mittlere Zusammenfassung ist sachlich korrekt, lässt aber zentrale Befunde zur Ausfallreaktion aus. Die Einordnungen von Luna sind durchweg zu hoch: Der Bericht ist ein technischer Beitrag zu Netzwerkarchitektur und beantwortet keine der drei Sammel- oder Teilfragen direkt.

Im Bericht, aber nicht in der Zusammenfassung

  • Rerouting in Mikrosekunden gegenüber Sekunden bis zehn Sekunden bei konventionellen Netzen
  • Packet Trimming verringert Fehlalarme bei Paketverlusten durch Überlastung
  • Einsatz bei Microsofts Fairwater-Supercomputern und dem OCI-Standort in Abilene
  • Ausfall eines Ports an einer 8-Port-Schnittstelle verringert die Rate nur um ein Achtel

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Unabhängig prüfen
  1. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 78 %Hintergrund, keine Belege
    • JEV 42 %gleiches Oberthema, hilft nicht
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

    • SF-P4-T01 Würden Regierungen Messdaten aus der Lieferkette von Chips (Telemetrie), den Stromverbrauch, gemeldete Verzeichnisse von Trainingsläufen und eine unabhängig überwachte Abrechnung von Strom, Hardware und Rechenaufwand als vertragstauglichen Nachweis für die Größe der Trainingsläufe eines anderen Staates anerkennen, ohne Modellgewichte (die gelernten Parameter) oder Code anzurühren? Und wie sähe eine Prüfordnung für Rechenschwellen aus, die nichts über das Innere der Modelle verrät? Luna: Stufe 3 · 45 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 57 %Hintergrund, keine Belege
    • JEV 34 %gleiches Oberthema, hilft nicht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 55 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Agenten und vernetzte Systeme
  1. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 38 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 75 %einzelne zitierbare Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Modelle teilen und schützen
Frieden und Sicherheit
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

    • SF-E1-T04 Wie bekommen Staaten, in denen kein Spitzenlabor sitzt, einen echten Platz beim Setzen internationaler technischer KI-Normen, damit KI in der Praxis ein gemeinsames Gut bleibt und nicht nur wenige Regierungen und Firmen die Regeln schreiben? Luna: Stufe 4 · 46 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-E1-T07 Wenn Staaten Standards für Spitzen-KI bilateral festlegen: Welcher Mechanismus stellt sicher, dass Labore aus Drittstaaten sowie die Fachgruppen der UN für Informations- und Kommunikationstechnik und regionale Normungsgremien diese Standards übernehmen, ändern oder ablehnen können, statt an ein Abkommen gebunden zu sein, an dem sie nicht beteiligt waren? Luna: Stufe 4 · 35 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 75 %einzelne zitierbare Belege
    • JEV 64 %einzelne zitierbare Belege
    • amos 26 %gleiches Oberthema, hilft nicht
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →