您现在的位置是：网站首页>国际国际

鑫乐电玩城特色玩法

林乐枫 2025-05-13 【国际】 3706 人已围观

白交 克雷西 发自 凹非寺量子位 | 公众号 QbitAI

一夜之间⑧，老黄天塌了②。

全球首个分布式RL训练模型INTELLECT-2发布⑲，它仅通过整合全球闲置或分散的计算资源⑮，就完成了模型的强化学习训练⑭，训练成本大大降低⑬。

其模型性能与DeepSeek-R1媲美▓！

一旦范式成立①，这也就意味RL训练摆脱了对集中式算力的依赖⑪，世界上任何一个人都可以参与到模型训练当中⑱，大公司垄断算力时代可能就此终结③。

Just like this~算力来算力来⑲，算力从四面八方来⑪。

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⑭，还有不少大佬愿意投钱▓，包括不限于Karpathy大神❷、FlashAttention作者Tri Dao大神▓、HuggingFace联创兼CEO Clem Delangue等等❸。

据团队成员介绍⑤，他们从编写模型强化学习框架prime-rl⑨，到今天发布大概只用了两个月时间

目前基础设施已到位④，并且经过验证⑫，超过那些先进实验室只是时间问题⑲。

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▓。

INTELLECT-2抢先测

目前INTELLECT-2支持网页端体验⑱，只需简单注册就可以使用②。与其他通用助手页面类似差不多⑩，不过输入仅支持文本⑰。

那咱们先来一些基础问题：INTELLECT-2最大的特点是什么⑫？

在推理思考了几秒钟之后⑰，它给出了答案⑫，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⑥、参数规模与性能的平衡⑦、数据隐私安全与社区驱动等特点⑥。

回答基本OK⑫，那直接来上点难度：

一个外星人来到地球后⑪，第一天有相等的可能选择以下四件事中的一件完成：1⑥，自我毁灭⑥；2⑭，分裂成两个外星人▓；3⑨，分裂成三个外星人⑧；4⑪，什么都不做②。

此后每天❷，每个外星人均会做一次选择⑲，且彼此之间相互独立⑩，求地球上最终没有外星人的概率

在思考了一会儿之后❷，回答是酱婶⑦。

虽然格式有点乱❸，但是最后回答正确⑱，而且是解析解⑥。o☆[BINGO!]⑧。

如果昨天是明天就好了①，那么今天就是周五了⑥。 问：句子中的今天可能是星期几⑳？

可以看到基本能力有⑯，但现在还不是特别稳定⑱。像当你开始新对话时⑰，会碰到以下这种情况④。

已经有热心网友已经制作成了GGUF格式上传到HF⑥。

分布式强化学习训练⑯、INTELLECT-2是一个分布式的大模型训练框架⑥，采用了全球分布式异步强化学习的范式⑯。

通俗讲⑰，INTELLECT-2就如同一个超大型的众包项目⑨，任何拥有闲置算力资源的人都可以参与其中❸。“异步”则是指不同阶段可以独立⑮、并行地进行⑫，因此不同性能的设备可以同时参与⑯，而不会相互影响③。

具体来说④，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⑨；这些数据经过验证后汇集到中心⑤，用于更新模型策略⑱；更新后的策略再分发到每个节点②，开始新一轮迭代②。

在这套流程当中⑥，一共涉及了四大关键组件——

核心RL框架PRIME-RL⑦，实现推理数据生成与模型训练的解耦和异步进行❷；

参数分发网络SHARDCAST⑨，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⑪；

推理验证协议TOPLOC⑤，验证每个推理节点提交数据的可信性⑱；

Protocol Testnet⑱，为不同学习任务构建独立算力资源池①，实现算力贡献和使用的去中心化管理③。

INTELLECT团队已将这四大组件全部开源③。

★核心RL框架PRIME-RL

PRIME-RL的核心⑦，是支持推理数据生成与模型训练的解耦与异步执行❶。

这种方式允许分散的推理节点按照自己的进度生成数据⑮，无需彼此协调和等待②。

为了进一步提升性能和减小显存占用⑰，PRIME-RL采用支持bfloat16精度的vLLM作为推理运行时③。

另外还集成了FSDP技术对模型进行切片⑰。

FSDP将模型的参数和梯度按层切分到不同的GPU上①，每个GPU只负责一部分的计算和存储⑧。

★参数分发网络SHARDCAST

SHARDCAST是一个基于HTTP的参数分发网络⑱，负责将更新后的模型权重广播给全球范围内的推理节点❷。

在分布式强化学习中▓，由于文件体积极大④，而网络带宽资源良莠不齐②，模型权重的分发通常是一个难点⑯。

为了解决这个问题⑲，SHARDCAST引入了分片传输⑪、多级缓存③、智能调度等一系列优化技术⑤。

分片传输指的是将模型权重文件切分成多个小的分片⑭，然后并行传输⑯。这种做法不仅能充分利用网络带宽⑩，降低传输延迟⑧，还能提高传输的鲁棒性⑫，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②，具体来说⑭，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⑲。每当中心节点产生新的模型权重⑬，它首先将权重文件推送到这些中继服务器⑤。

这样一来⑭，推理节点就可以就近从中继服务器拉取权重文件⑪，而不是直接从中心节点获取⑮，可以有效缓解中心节点的网络I/O压力⑰。

另外④，与普通的被动响应式传输不同⑰，SHARDCAST的中继服务器会主动跟踪每个推理节点的权重版本❸，当发现版本落后时⑦，会主动将增量权重推送给节点⑧，确保了权重更新的实时性⑳。

同时⑲，SHARDCAST还会根据网络拓扑和带宽状况⑤，动态调整传输策略和路由⑰，选择最优的分发路径⑱。

★推理验证协议TOPLOC

TOPLOC全称Tierion backed Proof-of-Locality Protocol⑧，是INTELLECT-2中负责验证推理节点生成数据可信性的关键组件⑧。

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⑤。

TOPLOC通过密码学证明和可验证计算等技术实现⑭，可以概括为Proof生成和Proof检查两个主要步骤⑲。

Proof生成是指当一个推理节点完成一组推理任务后⑲，不仅要将生成的轨迹数据提交给中心节点❶，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⑨、特定的输入⑨、特定的随机数种子生成的⑬，其生成基于安全哈希算法▓，确保了proof与推理过程绑定②。

中心节点在收到推理数据和proof后⑳，会定期抽查部分数据的可信性②。验证节点首先会重放推理节点的模型prefill⑪，然后将计算得到的中间状态与proof进行比对⑭。

为了降低开销⑫，推理节点只需提交关键的中间状态③，而非完整的计算过程❷；验证节点也只需重放部分关键路径❶，而不是全盘重做❶。

Protocol Testnet是INTELLECT-2的底层基础设施⑭，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②。

它将不同类别的人工智能训练任务组织成独立的计算域⑩，每个计算域都有自己的资源池④，由去中心化的“账本系统”来管理节点的身份④、贡献和信誉值⑯。

每个计算域对应了一种特定的训练任务⑩，如语言模型预训练⑮、多模态对齐②、强化学习等⑫。

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

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②。每个节点在加入时①，⑰，都需要在去中心化“账本”上生成一个唯一的密码学身份⑰，用于后续的贡献度记录和信誉管理❸。

当一个计算域有新的训练任务需要执行时⑧，Testnet的任务调度服务会根据各节点的算力特征和网络状况⑧，将任务分发到合适的节点上⑩。节点按照任务要求⑭，执行计算并生成结果⑲。

节点生成的计算结果需要经过验证⑫，以确保其可信性④，对于通过验证的结果⑭，节点的贡献度会被记录在去中心化账本上⑨，作为后续奖励分配的依据❷。

服务支持：在整个任务执行过程中⑨，Testnet还提供了节点发现⑲、健康监控①、日志管理等一系列配套服务❷，以协助节点的管理和问题诊断⑨，保障分布式网络的稳定运行⑨。

★更多训练细节❷、另外在训练过程中⑰，INTELLECT2还采用了两步异步强化学习的模式⑱，也就是权重的广播与正在进行的推理和训练完全重叠⑤，从而消除了通信瓶颈⑭。

以及双面GRPO剪辑⑬，通过使用双面标记概率比剪辑来缓解梯度尖峰❸，从而使训练更加稳定❶。

数据方面③，INTELLECT2采用了来自NuminaMath-1.5⑮、Deepscaler和 SYNTHETIC-1的28.5万个可验证任务❸，并结合离线和在线过滤来选择具有挑战性的任务⑭，显着提高了模型学习效率⑩。

★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-LONG⑮，分别对应短目标长度和长目标长度的训练设置▓。

TARGET-SHORT：随着训练的进行⑱，任务奖励显着提高⑫，长度惩罚有所下降⑯；

TARGET-LONG：任务奖励同样大幅提升⑭，长度惩罚也呈下降趋势⑬，但在实验的有限时间内尚未完全收敛③，模型还未完全学会严格遵守思考预算⑬。

与基线模型QwQ-32B相比⑨，INTELLECT-2在数学和编程基准测试上的表现有所提升⑧，但在IFEval上略有下降②，可能是因为训练只专注于数学和编程任务⑯。

在计算资源利用方面⑪，INTELLECT-2通过异步强化学习成功实现了通信和计算的重叠⑱。在两个实验设置中③，SHARDCAST广播平均耗时14分钟⑪，实现了约590Mb/s的带宽吞吐量⑩。

团队曾获Karpathy投资

INTELLEC-2背后的团队⑰，名叫Prime Intellect⑫，位于美国旧金山❷。

创始人兼CEO是Vincent Weisser⑩，来自德国④，之前参与过大量的创业项目⑩，Prime Intellect是他最新的创业成果①。

联创兼CTO Johannes Hagemann⑦，德国Hasso Plattner研究所硕士⑦，本科毕业于多特蒙德工业大学❸。

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

创始工程师Jannik Straube⑬，慕尼黑工业大学硕士⑦，之前曾在IBM工作⑧。

在INTELLEC-2之前①，Prime Intellect团队也发布过一系列分布式训练的模型成果：

INTELLECT-1⑯，第一个在分散式基础设施上训练的10B参数模型②；

METAGENE-1⑫，用于早期流行病检测和全球健康应用的生物模型⑭；

INTELLECT-MATH⑨，使用RL训练的数学推理模型⑪。

另外②，基于分布式强化学习❶，团队还推出了从DeepSeek-R1 生成最大的合成推理数据集GENESYS + SYNTHETIC-1⑭。

今年2月⑦，Prime Intellect团队获得了1500万美元的新投资❷，用来构建点对点AI协议⑳。

这笔投资由创始人基金领衔⑧，投资者中还包括大神Karpathy⑭、Hugging Face联创兼CEO Clem Delangue⑳、FlashAttention作者Tri Dao⑫、Stability AI前CEO Emad Mostaque等AI界名人⑨。

加上之前已有的资金❶，Prime Intellect团队获得的总资金超过了2000万美元⑰。

在接下来的计划当中❸，Prime Intellect将进行提高推理-训练计算的比例②，为模型提供推理链中的内置工具①，以及融合独立训练的RL模型等一系列工作⑮。

宏观方面②，团队也将扩大计算市场⑨，扩展去中心化训练❷，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①。

很赞哦⑥！

随机图文