130 小时、750 亿 token、260 万美元，一次 RL 训练的真实账单
burny_tech · x · 2026-09-23
zephyrz9 分享了一个 RL 训练结果：团队投入 130 小时算力、750 亿 token、约 260 万美元的强化学习成本，才换来相应的性能提升。推文突出了前沿 RL 训练的昂贵程度——数百万美元级别的投入只覆盖一次训练，直观展示了强化学习 scaling 的真实开销。
所属事件:260 万美元强化学习逼近 SOTA，训练成本热议再起(4 条相关)→
「Infra」频道最新
- 独立开发者用 Rust 写整套 AI OS：无头运行，跑 Qwen3 27b 比 Ubuntu 快 — W61k3r · 2026-11-12
- OpenRouter 新路由算法见效:GLM 5.3 Flash 首字延迟降 40%、单价降 17% — AccBalanced · 2026-11-12
- AMD 与 Dell 拿下 182 项世界纪录，EPYC 性能提升 94% — AccBalanced · 2026-11-12
- KubeCon 主题演讲：计算系统正从人类速度转向 Agent 速度 — HowDevelop · 2026-11-12
- 曝 Meta 基础设施负责人 Santosh Janardhan 将于 2027 年初离职 — dinabass · 2026-11-12
- 华为开源量化工具 MACaQ：KL 散度比 Unsloth 低 23% — acluk90 · 2026-11-12