20B MoE预训练竟低于每小时10美元
const_reborn · x · 2026-07-20
帖中转述了 @jondurbin 的做法：一个 20B MoE 模型的预训练，算力成本做到 每小时不到 10 美元。
这不是在集群上完成的，而是通过 8 台分布在两个大洲的单卡 L40S 服务器，再加上几张 4090 和一张 5090 来跑；代价是每步大约 6 秒。这条信息的重点在于：原本被认为必须依赖大规模集中式集群的预训练，竟然可以用非常分散、低成本的方式完成。
「Infra」频道最新
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27
- 9B 本地模型干机械活,规划交给大模型:一套省 token 的编程 agent 分工法 — Electrical_Ninja3805 · 2026-10-27
- Cloudflare Durable Objects 被验证为 AI agent 高并发场景优选架构 — tristanbob · 2026-10-27
- Gary Marcus:补上 Q3 数据后，Anthropic 算力效率增速现拐点 — GaryMarcus · 2026-10-27