Dynamic Voltage and Frequency Scaling passt die Frequenz an die jeweilige Last an. Eine Netzwerkschicht umfasst dabei ungefähr 40 Kernels, die je nach Rechen- oder Speicherbindung unterschiedlich getaktet werden.
Der Bestwert entstand beim Training von GPT-3-XL auf einer RTX 3080 Ti. Die Arbeit wurde auf der Computing Frontiers 2026 vorgestellt und als arXiv-Preprint veröffentlicht.
Die Einsparung hängt von GPU, Schaltgeschwindigkeit und Trainingsaufbau ab. Sie ist daher ein Laborbestwert und keine allgemeine Zusage für jedes Modell oder jede Hardware.