先锋电玩城

白交 克雷西 发自 凹非寺量子位 | 公众号 QbitAI

一夜之间②，老黄天塌了❸。

全球首个分布式RL训练模型INTELLECT-2发布❸，它仅通过整合全球闲置或分散的计算资源❶，就完成了模型的强化学习训练⑭，训练成本大大降低⑲。

其模型性能与DeepSeek-R1媲美⑲！

一旦范式成立❸，这也就意味RL训练摆脱了对集中式算力的依赖⑦，世界上任何一个人都可以参与到模型训练当中②，大公司垄断算力时代可能就此终结⑱。

Just like this~算力来算力来❸，算力从四面八方来⑬。

此模型版本有19个人/机构提供了

力资源支持

除了贡献算力▓，还有不少大佬愿意投钱⑨，包括不限于Karpathy大神⑤、FlashAttention作者Tri Dao大神⑫、HuggingFace联创兼CEO Clem Delangue等等❸。

据团队成员介绍⑥，他们从编写模型强化学习框架prime-rl❷，到今天发布大概只用了两个月时间

目前基础设施已到位⑥，并且经过验证⑪，超过那些先进实验室只是时间问题①。

有人已经开始断言：未来的顶级开源模型将以分布式方式进行训练⑱。

INTELLECT-2抢先测

目前INTELLECT-2支持网页端体验⑬，只需简单注册就可以使用❶。与其他通用助手页面类似差不多⑥，不过输入仅支持文本❸。

那咱们先来一些基础问题：INTELLECT-2最大的特点是什么②？

在推理思考了几秒钟之后⑥，它给出了答案④，首先强调了这是首个去中心化RL训练的超大规模模型⑨，其次还有强化学习训练⑯、参数规模与性能的平衡⑩、数据隐私安全与社区驱动等特点①。

回答基本OK⑱，那直接来上点难度：

一个外星人来到地球后⑨，第一天有相等的可能选择以下四件事中的一件完成：1⑬，自我毁灭①；2⑦，分裂成两个外星人⑰；3⑭，分裂成三个外星人⑱；4⑮，什么都不做⑳。

此后每天❸，每个外星人均会做一次选择⑥，且彼此之间相互独立⑮，求地球上最终没有外星人的概率

在思考了一会儿之后⑮，回答是酱婶▓。

虽然格式有点乱⑪，但是最后回答正确⑳，而且是解析解⑭。o☆[BINGO!]⑲。

如果昨天是明天就好了⑳，那么今天就是周五了⑲。 问：句子中的今天可能是星期几⑭？

可以看到基本能力有⑩，但现在还不是特别稳定❷。像当你开始新对话时❷，会碰到以下这种情况⑭。

已经有热心网友已经制作成了GGUF格式上传到HF❶。

分布式强化学习训练⑭、INTELLECT-2是一个分布式的大模型训练框架⑫，采用了全球分布式异步强化学习的范式⑳。

通俗讲⑤，INTELLECT-2就如同一个超大型的众包项目⑮，任何拥有闲置算力资源的人都可以参与其中⑭。“异步”则是指不同阶段可以独立⑬、并行地进行⑭，因此不同性能的设备可以同时参与▓，而不会相互影响③。

具体来说⑲，系统会利用全球贡献者提供的异构算力在本地生成推理数据④；这些数据经过验证后汇集到中心⑬，用于更新模型策略▓；更新后的策略再分发到每个节点⑮，开始新一轮迭代⑯。

在这套流程当中④，一共涉及了四大关键组件——

核心RL框架PRIME-RL⑥，实现推理数据生成与模型训练的解耦和异步进行②；

参数分发网络SHARDCAST③，负责将更新后的模型参数高效分发给全球各地的推理节点②；

推理验证协议TOPLOC⑱，验证每个推理节点提交数据的可信性▓；

Protocol Testnet⑪，为不同学习任务构建独立算力资源池⑧，实现算力贡献和使用的去中心化管理⑯。

INTELLECT团队已将这四大组件全部开源⑩。

★核心RL框架PRIME-RL

PRIME-RL的核心⑳，是支持推理数据生成与模型训练的解耦与异步执行❷。

这种方式允许分散的推理节点按照自己的进度生成数据⑲，无需彼此协调和等待❶。

为了进一步提升性能和减小显存占用⑭，PRIME-RL采用支持bfloat16精度的vLLM作为推理运行时⑨。

另外还集成了FSDP技术对模型进行切片❶。

FSDP将模型的参数和梯度按层切分到不同的GPU上▓，每个GPU只负责一部分的计算和存储⑪。

★参数分发网络SHARDCAST

SHARDCAST是一个基于HTTP的参数分发网络⑥，负责将更新后的模型权重广播给全球范围内的推理节点⑭。

在分布式强化学习中⑤，由于文件体积极大⑫，而网络带宽资源良莠不齐⑳，模型权重的分发通常是一个难点⑪。

为了解决这个问题⑦，SHARDCAST引入了分片传输⑩、多级缓存▓、智能调度等一系列优化技术②。

分片传输指的是将模型权重文件切分成多个小的分片①，然后并行传输⑱。这种做法不仅能充分利用网络带宽⑮，降低传输延迟①，还能提高传输的鲁棒性⑧，不会因为个别分片传输失败而造成整体重传⑫。

多级缓存是一种类似于CDN的传输模式▓，具体来说⑯，SHARDCAST在推理节点和中心节点之间引入了一层中继服务器作为缓存⑫。每当中心节点产生新的模型权重⑩，它首先将权重文件推送到这些中继服务器▓。

这样一来⑧，推理节点就可以就近从中继服务器拉取权重文件⑭，而不是直接从中心节点获取▓，可以有效缓解中心节点的网络I/O压力③。

另外▓，与普通的被动响应式传输不同⑧，SHARDCAST的中继服务器会主动跟踪每个推理节点的权重版本⑪，当发现版本落后时⑯，会主动将增量权重推送给节点⑬，确保了权重更新的实时性⑫。

同时⑥，SHARDCAST还会根据网络拓扑和带宽状况❷，动态调整传输策略和路由⑤，选择最优的分发路径⑫。

★推理验证协议TOPLOC

TOPLOC全称Tierion backed Proof-of-Locality Protocol⑱，是INTELLECT-2中负责验证推理节点生成数据可信性的关键组件⑮。

其目的是确保每个推理节点提交的数据可信⑯，避免恶意节点通过提交虚假数据来破坏模型训练⑥。

TOPLOC通过密码学证明和可验证计算等技术实现▓，可以概括为Proof生成和Proof检查两个主要步骤①。

Proof生成是指当一个推理节点完成一组推理任务后⑤，不仅要将生成的轨迹数据提交给中心节点⑰，还要附带提交一个密码学proof③。

这个proof证明了所提交的数据确实是由特定版本的模型⑤、特定的输入⑲、特定的随机数种子生成的⑤，其生成基于安全哈希算法⑮，确保了proof与推理过程绑定⑱。

中心节点在收到推理数据和proof后⑲，会定期抽查部分数据的可信性⑤。验证节点首先会重放推理节点的模型prefill⑩，然后将计算得到的中间状态与proof进行比对⑩。

为了降低开销⑨，推理节点只需提交关键的中间状态⑮，而非完整的计算过程⑰；验证节点也只需重放部分关键路径⑱，而不是全盘重做⑱。

Protocol Testnet是INTELLECT-2的底层基础设施⑱，为全球范围内的计算资源管理和任务调度提供了统一的接口和规范⑪。

它将不同类别的人工智能训练任务组织成独立的计算域▓，每个计算域都有自己的资源池❶，由去中心化的“账本系统”来管理节点的身份③、贡献和信誉值⑤。

每个计算域对应了一种特定的训练任务⑪，如语言模型预训练⑥、多模态对齐⑰、强化学习等⑳。

针对一个特定的训练任务⑭，开发者会在Testnet上注册一个新的计算域⑲，计算域定义了任务的相关属性和协议规范▓。

全球范围内的算力提供者可以将自己的计算设备注册到Testnet的资源池中⑲。每个节点在加入时⑩，①，都需要在去中心化“账本”上生成一个唯一的密码学身份❶，用于后续的贡献度记录和信誉管理⑤。

当一个计算域有新的训练任务需要执行时⑨，Testnet的任务调度服务会根据各节点的算力特征和网络状况❶，将任务分发到合适的节点上⑪。节点按照任务要求❸，执行计算并生成结果⑨。

节点生成的计算结果需要经过验证⑯，以确保其可信性⑪，对于通过验证的结果⑦，节点的贡献度会被记录在去中心化账本上①，作为后续奖励分配的依据❶。

服务支持：在整个任务执行过程中⑮，Testnet还提供了节点发现⑤、健康监控⑩、日志管理等一系列配套服务⑮，以协助节点的管理和问题诊断❶，保障分布式网络的稳定运行⑳。

★更多训练细节⑲、另外在训练过程中③，INTELLECT2还采用了两步异步强化学习的模式❶，也就是权重的广播与正在进行的推理和训练完全重叠⑬，从而消除了通信瓶颈⑮。

以及双面GRPO剪辑⑭，通过使用双面标记概率比剪辑来缓解梯度尖峰④，从而使训练更加稳定⑮。

数据方面❸，INTELLECT2采用了来自NuminaMath-1.5⑥、Deepscaler和 SYNTHETIC-1的28.5万个可验证任务▓，并结合离线和在线过滤来选择具有挑战性的任务⑬，显着提高了模型学习效率▓。

★QwQ-32B数学和代码性能提升

INTELLECT-2的实验主要包括两个部分——TARGET-SHORT和TARGET-LONG⑳，分别对应短目标长度和长目标长度的训练设置⑬。

TARGET-SHORT：随着训练的进行⑮，任务奖励显着提高③，长度惩罚有所下降⑥；

TARGET-LONG：任务奖励同样大幅提升❷，长度惩罚也呈下降趋势⑪，但在实验的有限时间内尚未完全收敛⑬，模型还未完全学会严格遵守思考预算①。

与基线模型QwQ-32B相比⑰，INTELLECT-2在数学和编程基准测试上的表现有所提升❶，但在IFEval上略有下降❸，可能是因为训练只专注于数学和编程任务⑦。

在计算资源利用方面⑰，INTELLECT-2通过异步强化学习成功实现了通信和计算的重叠⑲。在两个实验设置中②，SHARDCAST广播平均耗时14分钟⑦，实现了约590Mb/s的带宽吞吐量⑧。

团队曾获Karpathy投资

INTELLEC-2背后的团队⑫，名叫Prime Intellect⑧，位于美国旧金山⑰。

创始人兼CEO是Vincent Weisser⑤，来自德国❷，之前参与过大量的创业项目⑩，Prime Intellect是他最新的创业成果❷。

联创兼CTO Johannes Hagemann❸，德国Hasso Plattner研究所硕士❶，本科毕业于多特蒙德工业大学⑲。

CEO Weisser担任核心成员的创业项目VitaDAO④，Hagemann曾出任策略顾问②。

创始工程师Jannik Straube⑤，慕尼黑工业大学硕士⑥，之前曾在IBM工作❸。

在INTELLEC-2之前⑰，Prime Intellect团队也发布过一系列分布式训练的模型成果：

INTELLECT-1③，第一个在分散式基础设施上训练的10B参数模型①；

METAGENE-1⑥，用于早期流行病检测和全球健康应用的生物模型⑨；

INTELLECT-MATH⑮，使用RL训练的数学推理模型⑫。

另外⑧，基于分布式强化学习⑭，团队还推出了从DeepSeek-R1 生成最大的合成推理数据集GENESYS + SYNTHETIC-1①。

今年2月⑧，Prime Intellect团队获得了1500万美元的新投资⑤，用来构建点对点AI协议④。

这笔投资由创始人基金领衔⑲，投资者中还包括大神Karpathy⑱、Hugging Face联创兼CEO Clem Delangue⑩、FlashAttention作者Tri Dao⑲、Stability AI前CEO Emad Mostaque等AI界名人②。

加上之前已有的资金⑪，Prime Intellect团队获得的总资金超过了2000万美元①。

在接下来的计划当中④，Prime Intellect将进行提高推理-训练计算的比例⑰，为模型提供推理链中的内置工具⑪，以及融合独立训练的RL模型等一系列工作⑳。

宏观方面⑳，团队也将扩大计算市场⑥，扩展去中心化训练⑫，并与开源和去中心化人工智能领域的其他领先项目开展合作④。

转载：感谢您对电玩城捕鱼种类都有的软件网站平台的认可⑨，以及对电玩城捕鱼种类都有的软件原创作品以及文章的青睐⑤，非常欢迎各位朋友分享到个人站长或者朋友圈⑬，但转载请说明文章出处“来源电玩城捕鱼种类都有的软件”②。

很赞哦⑭！