Claude Code 跨硬件迁移评测：GPU 转 TPU 的可靠性与成本

Hui Sun、Anderson Uchôa 和 Wesley K. G. Assunção 发布研究论文，使用 Claude Code 将10个 PyTorch 机器学习研究项目从 NVIDIA GPU 迁移至 Google Cloud TPU，结果显示8个项目达到预设目标，但迁移后的执行可靠性仍存在明显问题。研究人员从148个 PyTorch 研究项目中选取10个进行测试，平均每个项目需要人工介入2.4次。 在70次执行尝试中，53次失败，占76%；其中26次失败没有触发错误提示，意味着程序可能在未报告错误的情况下产生问题。性能和成本方面，研究仅在一个工作负载中发现，基于 PyTorch 的 TPU 执行后端 TorchTPU 相比 GPU，训练速度提高1.86倍，单次运行成本降低25%。这些结果表明，智能体能够完成部分跨硬件迁移任务，但执行可靠性和性能收益仍取决于具体项目与工作负载。

AI 根据报道生成 · 2 小时前更新