Reflection AI 13亿沙盒 RL 训练，峰值动用 88 万 vCPU
zacharynado · x · 2026-10-28
Reflection AI 公布其 Beam 项目迄今最大规模的强化学习运行：横跨 RL 训练、评估与消融实验，共执行约 13 亿个沙盒（sandbox）。
基础设施方面，加上评估和其他 RL 实验，其算力集群在 Google Cloud 和 AWS 的 23 个集群上达到峰值 883,006 个 vCPU（占可分配资源的 83%）。
团队还宣布未来将采用 OpenEnv（现已归属 Agentic AI Foundation），把这次大规模运行的经验回馈开源生态。
「编程与Agent」频道最新
- Reddit 网友分享:让 Claude 听音频又不烧掉用量额度的技巧 — Cute-Day-421 · 2026-10-28
- Together AI 携手 Ollama 对谈:开源模型何时更胜一筹 — togethercompute · 2026-10-28
- 技术写作老炮:agent 直接读文档不搜索,你的 docs 得改造了 — rseroter · 2026-10-28
- 开源 Deepthink:测试时扩展让 27B 小模型从 14% 飙到 65% — Ryoiki-Tokuiten · 2026-10-28
- 实锤：xAI 的 Grok Bot 直接从 Cursor 服务器下载分发 — faraz0x · 2026-10-28
- 程序员调侃：抱怨烂代码是 SWE 日常，如今却假装人人写干净代码 — vivekhaldar · 2026-10-28