130 小时 RL 训练花 260 万美元，引发训练成本热议
一则 RL 训练账单引发热议：团队投入 130 小时算力、750 亿 token、约 260 万美元的强化学习成本才换来相应性能提升。tinygrad 转发并盛赞小米以此取得「相当疯狂的结果」，并借此讽刺美国大厂动辄高额估值的投入产出比，再度引爆「模型训练商品化」的讨论。
2026-09-23 ~ 2026-09-23 · 2 条相关
- 130 小时、750 亿 token、260 万美元，一次 RL 训练的真实账单 — burny_tech · 2026-09-23
- 130 小时 RL 训练仅花 260 万美元,小米成果引爆「商品化模型训练」热议 — burny_tech · 2026-09-23