超级电玩城的兑换码

衡宇 发自 凹非寺量子位 | 公众号 QbitAI一年之内⑱，大模型推理训练可能就会撞墙⑩。

以上结论来自Epoch AI⑧。

这是一个专注于人工智能研究和基准测试的非营利组织③，之前名动一时的FrontierMath基准测试就出自它家▓。

与之伴随而来的还有另一个消息：

如果推理模型保持「每3-5个月都以10倍速度增长」⑪，那么推理训练所需的算力可能会大幅收敛⑮。

就像DeepSeek-R1之于OpenAI o1-preview那样②。

看了这个结果▓，有围观网友都着急了：

既然在o3基础上再scaling非常困难⑫，那为啥咱不探索模块化架构或针对特定任务的专用模型呢①？“效率”比“研究过剩”更重要⑮！

推理训练还有scalable的空间

OpenAI的o1是推理模型的开山之作⑯。

和o3⑨、DeepSeek-R1等一样⑲，它们从传统的大语言模型发展而来⑬，在预训练阶段使用了大量人类数据进行训练❶，然后在强化学习阶段⑪，根据解题的反馈来改进自己的推理能力③。

虽然推理模型已经成为了很多AI使用者的实用帮手❷，但关于推理训练所需算力的公开信息非常少⑤，大概只有以下这些：

OpenAI表示⑲，与o1相比⑩，训练o3所需的算力提升了10倍——提升部分几乎都花在了训练阶段②。

OpenAI没有公开o1⑪、o3的具体细节▓，但可以从DeepSeek-R1⑥、微软Phi-4-reasoning③、英伟达Llama-Nemotron等其它推理模型⑥。它们所需的推理训练阶段算力耕地❸，但可以根据它们进行推演❷。

Anthropic的创始人兼CEO Dario Amodei曾针对推理模型有过一篇公开文章⑪。

然后就没有然后了……②、根据现有的信息和资料⑤，Epoch AI进行了总结和分析⑯。

首先⑰，OpenAI公开过这样一张图表❶，上面展示了o3和o1在AIME基准测试中的表现❷，以及两者在推理训练阶段可能所需的算力的对比——

可以看到②，终版o3花费的算力是o1的10倍⑯。

Epoch AI分析道：“x轴很可能显示的是推理训练所需算力而不是总算力❶。”

Epoch AI罗列了这一猜测的证据①。

第一⑥，初代o1耗费的算力比o3低四个数量级⑳，其在AIME上的得分约为25%⑨。

如果x轴表示总计算量⑧，“不太可能呈现这种情况”⑳。

第二⑦，如果x轴表示的是所需总算力⑰，这张图意义就不大了❸。

因为这就意味着OpenAI训练了N个版本的o1⑩，且预训练阶段非常不完整②。

依照Epoch AI的猜测⑬，如果o3在推理结算花费的算力是o1的10倍⑧，这意味着什么③？

由于很多推理模型背后团队都学精了②，并不公开训练方法和过程⑤，所以只能从现有公开资料里去寻找答案⑮。

比如DeepSeek-R1⑪。

Epoch AI此前估算⑨，DeepSeek-R1推理训练中使用的算力约为6e23 FLOP④，需要生成大约 20万亿个tokens——这只有DeepSeek-V3预训练成本的20%▓。

虽然只是一种估算⑭，但R1在各个榜单上的得分和o1非常接近⑯，“因此可以用它来为o1所需算力设定一个baseline”▓。

比如英伟达的Llama-Nemotron Ultra⑨，它在各个基准上的分数与DeepSeek-R1和o1相当❶。

它是在DeepSeek-R1生成的数据上训练的⑰。

公开信息显示⑳，Llama-Nemotron Ultra的推理阶段耗时140000 H100小时❸，约等于1e23 FLOP⑰。这甚至低于它的原始基础模型预训练成本的1%⑫。

再比如微软的Phi-4-reasoning⑨。

它是在o3-mini生成的数据上训练的⑩。

Phi-4-reasoning在推理阶段规模更小⑦，成本低于1e20 FLOP③，可能是预训练所需算力成本的0.01%⑩。

值得注意的是⑮，Llama-Nemotron和Phi-4-reasoning都在RL阶段之前进行了有监督微调⑪。

咱们再来看看今年1月DeepSeek-R1发布后⑧，Anthropic的CEODario Amodei写的一篇文章⑳，这被视为关于现有推理模型所需算力规模的最后一点线索：

由于这是新范式⑱，我们目前仍处于规模拓展的初期阶段：所有参与者在第二阶段投入的资金量都很少❸，花费从10万美元提高到100万美元就能带来巨大收益❷。如今❸，各公司正迅速加快步伐⑰，将第二阶段的规模扩大到数亿乃至数十亿美元▓。有一点必须重视▓，那就是我们正处于一个独特的转折点上⑪。

当然了①，Amodei对非Anthropic模型所需算力的看法可能只基于自家公司内部数据❷。

但可以清晰了解⑲，截至今年1月⑯，他认为推理模型的训练成本远低于“数千万美元”②，大于1e26 FLOP⑲。

Epoch AI总结道——

上述的预估和线索指向一个事实⑤，那就是目前最前沿的推理模型▓，比如o1④，甚至o3❷，它们的推理训练规模都还没见顶⑮，还能继续scalable❷。

但1年内可能就撞墙了⑪、换句话说⑧，如果推理训练还没见顶⑪，那么推理模型还是有潜力在短期内快速实现能力拓展的⑨。

这就意味着②，推理模型还很能打⑪，潜力巨大⑪。

就像OpenAI展示出的下图⑮，以及DeepSeek-R1论文中的图2一样——模型答题准确率随着推理训练步骤的增加而大致呈对数线性增长⑭。

这表明⑩，至少在数学和编程任务上⑫，推理模型的性能随着推理训练的扩展而增强②，就像预训练的scaling law一样⑫。

行文至此处❸，Epoch AI写下这样一段话：

如果推理阶段的算力需求见顶⑬，那么其带来的增长率将收敛⑭，大概是每年增长4倍⑪。

绝不会像o1推出后4个月就有了o3那样⑦，保持几个月增长10倍的态势⑮。

因此⑰，他得出这样一个结论——

如果一个推理模型的训练阶段仅比前沿推理模型低几个数量级②，这种增长率可能在一❶、两年内减缓⑪，甚至撞墙⑳。

然鹅①，想要扩展推理模型并不是那么简单的⑨。

单单是数据不够这一项⑤，就可能导致其停滞不前❷。

大家也都还不清楚⑲，除了数学⑧、编程领域⑰，推理训练是否能泛化到其

它⑩、规律性没那么强的领域❶。

但可以肯定的是❷，随着推理模型的训练越来越成熟④，所有推理模型所需的成本可能都趋同⑥。

虽然研究成本的高低并不影响算力和性能之间的关系①，但如果相关研究保持“花钱如流水”的状态❷，那么推理模型可能无法达到人们心中预期的最佳水平❸。

另一方面⑰，即使所需算力的增长速度放缓⑦，推理模型也可能持续进化⑧，就像R1那样②。

换句话说⑬，不只有数据或算法创新能推动推理模型的进步⑲，算力大增也是推动推理模型进步的关键因素⑰。

参考链接：https://epoch.ai/gradient-updates/how-far-can-reasoning-models-scale

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⑪，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⑧，非常欢迎各位朋友分享到个人站长或者朋友圈⑥，但转载请说明文章出处“来源电玩城捕鱼种类都有的软件”⑩。

很赞哦⑫！