Together AI GPU 集群上线自动节点修复

2026年10月28日，AGI Hunt 报道，Together AI 为其 GPU 集群上线了 auto repair 自动节点修复功能：从 GPU 发生故障，到节点恢复到健康状态，整个过程无需人工介入。该功能通过被动健康检查同时监控 VM 内部与底层宿主机，可捕获 Xid 错误、双位 ECC 错误、GPU 掉 PCIe 总线以及 InfiniBand 链路抖动等异常，并据此推荐最轻量的修复动作。报道未提及该功能覆盖的集群规模、可用性指标或上线范围。此为该事件目前唯一一篇报道，暂无后续进展，也没有与早先说法相矛盾的信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。