工程师用 Agent 集群 20 小时自主训出对标 Jev 的模型,总花费仅 3100 美元
denisyarats · x · 2026-09-22
- 作者 denisyarats 分享周末项目 AutoJev:用内部多智能体系统完全自主地训练一个对标 Jev 的模型,结果「走得很远」。
- 配置:给 agent 集群一台带 H200 GPU 的开发机;集群由 astra 和 fable 组成,用 sol 和 luna 做合成数据生成与过滤;总运行 20 小时。
- 成本:合计约 $3.1k(agent 开销 $1.9k,数据 $1.2k)。
- 结果:以 qwen3.8-27b 为骨干,训练前不如 Jev,训练后达到相当或更好水平,且支持 260k 上下文与多模态输入;准确率和校准度均有提升。
- 过程:agents 先尝试 RL,未成功后回退到高质量合成数据的 SFT。
- 部署:提供 Jev 兼容 API、playground 和推理;H200 上 p95 延迟约 120ms。
「编程与Agent」频道最新
- Tom Yeh 出题 15 道手算 Agent 数学题:系统提示词成本怎么算 — ProfTomYeh · 2026-09-22
- apibase 一个 MCP 端点聚合 327 个工具、92 家服务商，按调用付费 — modelcontextprotocol · 2026-09-22
- 开源 mcp-server-s3 发布：让 Agent 直接管理 S3 文件与预签名链接 — modelcontextprotocol · 2026-09-22
- 开发者自曝:AI 玩游戏插件因视觉模型太慢太贵一直没发布 — ezshine · 2026-09-22
- Agent 跨任务文件怎么存？Reddit 开发者讨论持久化存储方案 — OwlZealousideal4779 · 2026-09-22
- 开源项目 Laya:单次前向 33ms 输出结构化决策,支持 100+ 语言 — pandeyparul · 2026-09-22