MagicaLabs 称花 400 万美元预训练即超公开基座模型,效率比 DeepSeek 高 50 倍
magicailabs · x · 2026-09-09
MagicaLabs 宣称其新预训练食谱以约 400 万美元(10 倍规模)的训练成本,超越了所有公开可用的基座模型;按 DeepSeek V4 Pro 的配方达到同等能力需花费超过 1 亿美元。
关键信息:
- 核心路线是算法效率而非堆芯片:新配方用约 1/50 的算力匹配 DeepSeek V4 Pro 的预训练效果,约合 GPT-3 一半的 FLOPs,或在 GB200 上约 50 万美元。
- 食谱是模型架构、优化器、训练目标与数据数十项改动的乘性叠加结果;团队还发现修复小 bug 本身就是算力乘数。
- 为验证 post-RL 表现,团队从基座跑了一轮短数学 RL,并表示不会止步于当前规模。
- 该说法出自实验室自述,尚无第三方复现。
所属事件:Magic 宣称 1/50 算力匹敌 DeepSeek V4 Pro 预训练(11 条相关)→
「Infra」频道最新
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 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
- 推理社区与 K8s 社区高度重合：万亿市场的 Kubernetes 翻版 — matt_slotnick · 2026-10-27
- vLLM 考虑将更多栈迁往 Rust，推理引擎 Rust 化成趋势 — AccBalanced · 2026-10-27
- 同一套 DeepSeek 内核两种优化路线：vLLM 拆专家、SGLang 降访存 — AccBalanced · 2026-10-27