实测:花 373 美元短程 RL 让模型学会用笔记，比塞长上下文省 5-10 倍
teortaxesTex · x · 2026-11-05
EngramLab 分享了一次训练成本实测：用一次短程 RL 阶段微调 GLM 5.3 Flash，让模型学会主动使用自己的笔记，而非把全部笔记塞进上下文。
关键数据：
- 生成笔记本身的推理成本为 1894.49 美元，而后续的 RL 训练仅花费 372.57 美元；
- 按累计成本曲线测算，约 8.7 天、3487 次查询后训练路线即与「笔记全量入上下文」路线打平，之后持续更便宜，整体成本约为后者的 1/51/10。
作者的结论是：在基础设施到位的前提下，用训练替代推理侧的长上下文堆料出乎意料地划算——「训练不过是带反向传播的推理」。对做 agent 记忆/知识库设计的人是一个可直接参考的算账样本。
所属事件:Engram：373 美元 RL 训练让模型学会用笔记(7 条相关)→
「编程与Agent」频道最新
- Sentry 创始人实测 AI agent junior：最难编码任务也全接住 — zeeg · 2026-11-05
- Every 长文复盘 Codex 崛起：从失败发布到吞并 ChatGPT 的翻身之作 — danshipper · 2026-11-05
- 腾讯混元 Hy4 接入 OpenClaw:1M 上下文 + 长程 Agent 能力 — TencentHunyuan · 2026-11-05
- 开发者用 Claude Code 复刻 Awwwards 级网站：Blender 建模+Playwright 自检 — randomname11111_ · 2026-11-05
- BenchFlow 演讲：我们对 eval 的构建方式还不够雄心勃勃 — MeganRisdal · 2026-11-05
- 15MB 纯 CPU 开源视频编辑器 kimo:剪辑全靠 MCP 工具调用 — LieTop7965 · 2026-11-05