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。
所属事件:Agent集群20小时自主训出模型仅花3100美元(2 条相关)→
「编程与Agent」频道最新
- Granola 推出 Agent Brief:大厂做 MCP 却不提供 MCP 惹锁定质疑 — soleio · 2026-11-12
- 「DevOps 已死」论：Agentic DevOps 流水线该怎么分工 — Pavan_Belagatti · 2026-11-12
- dots 更新支持 agent 同时控制 Windows 与 Mac 双机 — dkundel · 2026-11-12
- Ubuntu 域名服务器宕机,Pydantic 新项目 Monty 被迫提前发布 — samuelcolvin · 2026-11-12
- Granola 推出 Agent Briefs:每晚为 AI agent 打包你的最新上下文 — soleio · 2026-11-12
- 新基准 Continual-ARC:主流 Agent 均无法从经验中学习 — alifcoder · 2026-11-12