Amazon объявила новый закон масштабирования LLM, повышающий пропускную способность до 47 % без потери точности

Amazon Science 15 мая описала scaling law для больших языковых моделей: он связывает архитектурные параметры с loss и помогает заранее оценивать, где модель можно ускорить без падения качества. В опубликованном материале главный числовой ориентир жесткий: до 47% роста throughput при сохранении accuracy.

Смысл не в очередном обещании “сделать ИИ быстрее”, а в более проверяемой детали. Если команда может заранее видеть, какая архитектурная правка дает скорость без штрафа по качеству, оптимизация перестает быть слепым перебором конфигураций.

Ограничение тоже важно оставить на виду. Это исследовательский материал Amazon Science, а не новость о массовом внедрении в каждый продукт Amazon, поэтому из него нельзя честно выводить экономию дата-центров, новые тарифы или готовый отраслевой стандарт.

Следующая проверка простая: появятся ли независимые воспроизведения и будут ли похожие соотношения работать на других LLM-архитектурах, а не только внутри описанного набора экспериментов. Пока ценность сигнала в том, что скорость обсуждается через измеряемый архитектурный критерий, а не через рекламное обещание.