算账：Reflection 新模型训练效率远逊 DeepSeek，同算力落后两代

teortaxesTex · x · 2026-11-08

Teortaxes 引用前员工对 Reflection「GPU 利用不足、节奏缓慢」的吐槽，结合公开数据算了一笔训练效率账。
Inkling 2S：预训练规模与 DeepSeek-Coder-V2（2024 年 6 月）相当——21B 激活 vs 17B、10.2T vs 12.25T tokens，即 DeepSeek 用一年前的模型就已对齐；且 Inkling 训练速度快约 12 倍（主要归功于硬件，bf16 vs fp4）。
Beam 1.0：23B×23.8T 与 37B×14.8T 的 iso-FLOP 复现了 DeepSeek V3 的训练量（约 3.3e24 FLOPs），但 V3 用 2.66M H800 小时，Beam 用约 4.13M GB300 小时；GB300 峰值算力高 2.3–2.5 倍，硬件归一化后 Beam 多烧约 3.5–4 倍原始算力，隐含 MFU 仅个位数到约 10%（V3 约 35%）。Alex Polozov 回应称实际 goodput 约 92%。
结论：Inkling 2S 能力大致对齐 V4.1 Flash 水平，但效率差距说明「新实验室并非生而平等」，在人才争夺战中这不是好信号。

「Infra」频道最新