MFU (tỷ lệ sử dụng FLOP mô hình) là tỷ lệ giữa hiệu suất tính toán có thể rút ra từ quá trình đào tạo mô hình thực tế với hiệu suất tính toán tối đa theo lý thuyết của GPU.
MFU là chỉ số cho thấy hiệu suất tính toán mà một công việc học tập thực tế có thể đạt được từ FLOPS (hiệu suất tính toán dấu phẩy động) tối đa theo lý thuyết của cụm GPU và được coi là thước đo tiêu chuẩn ngành để đo lường hiệu quả học tập của các mô hình ngôn ngữ quy mô lớn. Nói chung, nó được coi là tốt nếu nó nằm trong phạm vi 40-50% và không có gì lạ khi nó duy trì trong phạm vi 20-30% do tắc nghẽn giao tiếp hoặc hạn chế về băng thông bộ nhớ. Trong hoạt động thực tế kể từ năm 2026, giá thị trường của việc sử dụng đám mây GPU sẽ được xác định chủ yếu bởi giá theo giờ của GPU, do đó, chỉ cần chênh lệch 10 điểm trong MFU sẽ làm thay đổi chi phí đào tạo cùng một mô hình vài điểm phần trăm. Trong khi các điều chỉnh đang được thực hiện tại hiện trường để tăng MFU bằng cách chọn kích thước lô, chiến lược song song và thư viện truyền thông, những cạm bẫy của việc chỉ theo đuổi số lượng MFU và hy sinh độ chính xác của mô hình cũng như độ ổn định trong học tập đã được chỉ ra.