可提现的电玩城游戏大厅

白交 克雷西 发自 凹非寺量子位 | 公众号 QbitAI

一夜之间⑩，老黄天塌了⑤。

全球首个分布式RL训练模型INTELLECT-2发布②，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⑬，训练成本大大降低①。

其模型性能与DeepSeek-R1媲美⑭！

一旦范式成立②，这也就意味RL训练摆脱了对集中式算力的依赖⑭，世界上任何一个人都可以参与到模型训练当中⑥，大公司垄断算力时代可能就此终结⑳。

Just like this~算力来算力来⑮，算力从四面八方来⑳。

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⑲，包括不限于Karpathy大神⑧、FlashAttention作者Tri Dao大神▓、HuggingFace联创兼CEO Clem Delangue等等⑨。

据团队成员介绍⑩，他们从编写模型强化学习框架prime-rl⑮，到今天发布大概只用了两个月时间

目前基础设施已到位⑳，并且经过验证②，超过那些先进实验室只是时间问题⑯。

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⑯。

INTELLECT-2抢先测

目前INTELLECT-2支持网页端体验⑪，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⑬，不过输入仅支持文本⑦。

那咱们先来一些基础问题：INTELLECT-2最大的特点是什么④？

在推理思考了几秒钟之后⑦，它给出了答案⑩，首先强调了这是首个去中心化RL训练的超大规模模型⑱，其次还有强化学习训练②、参数规模与性能的平衡⑬、数据隐私安全与社区驱动等特点⑰。

回答基本OK⑯，那直接来上点难度：

一个外星人来到地球后⑬，第一天有相等的可能选择以下四件事中的一件完成：1⑮，自我毁灭①；2❶，分裂成两个外星人❶；3⑲，分裂成三个外星人②；4⑱，什么都不做⑯。

此后每天③，每个外星人均会做一次选择②，且彼此之间相互独立⑬，求地球上最终没有外星人的概率

在思考了一会儿之后⑥，回答是酱婶❸。

虽然格式有点乱❶，但是最后回答正确❶，而且是解析解⑨。o☆[BINGO!]⑥。

如果昨天是明天就好了⑳，那么今天就是周五了❷。 问：句子中的今天可能是星期几⑫？

可以看到基本能力有⑥，但现在还不是特别稳定▓。像当你开始新对话时⑰，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HF③。

分布式强化学习训练⑨、INTELLECT-2是一个分布式的大模型训练框架⑳，采用了全球分布式异步强化学习的范式⑫。

通俗讲⑫，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③。“异步”则是指不同阶段可以独立⑩、并行地进行⑮，因此不同性能的设备可以同时参与⑤，而不会相互影响⑯。

具体来说⑮，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⑫；这些数据经过验证后汇集到中心❶，用于更新模型策略⑨；更新后的策略再分发到每个节点⑥，开始新一轮迭代①。

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-RL②，实现推理数据生成与模型训练的解耦和异步进行⑮；

参数分发网络SHARDCAST▓，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⑫；

推理验证协议TOPLOC⑲，验证每个推理节点提交数据的可信性⑳；

Protocol Testnet①，为不同学习任务构建独立算力资源池⑤，实现算力贡献和使用的去中心化管理⑧。

INTELLECT团队已将这四大组件全部开源①。

★核心RL框架PRIME-RL

PRIME-RL的核心⑭，是支持推理数据生成与模型训练的解耦与异步执行⑥。

这种方式允许分散的推理节点按照自己的进度生成数据⑪，无需彼此协调和等待⑨。

为了进一步提升性能和减小显存占用⑦，PRIME-RL采用支持bfloat16精度的vLLM作为推理运行时⑭。

另外还集成了FSDP技术对模型进行切片⑬。

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④，负责将更新后的模型权重广播给全球范围内的推理节点⑩。

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

为了解决这个问题⑤，SHARDCAST引入了分片传输⑦、多级缓存⑭、智能调度等一系列优化技术③。

分片传输指的是将模型权重文件切分成多个小的分片④，然后并行传输❶。这种做法不仅能充分利用网络带宽▓，降低传输延迟④，还能提高传输的鲁棒性⑮，不会因为个别分片传输失败而造成整体重传⑭。

多级缓存是一种类似于CDN的传输模式①，具体来说⑤，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⑦。每当中心节点产生新的模型权重❶，它首先将权重文件推送到这些中继服务器①。

这样一来⑥，推理节点就可以就近从中继服务器拉取权重文件⑬，而不是直接从中心节点获取⑳，可以有效缓解中心节点的网络I/O压力①。

另外▓，与普通的被动响应式传输不同⑥，SHARDCAST的中继服务器会主动跟踪每个推理节点的权重版本⑨，当发现版本落后时②，会主动将增量权重推送给节点❸，确保了权重更新的实时性⑱。

同时⑥，SHARDCAST还会根据网络拓扑和带宽状况⑱，动态调整传输策略和路由▓，选择最优的分发路径⑰。

★推理验证协议TOPLOC

TOPLOC全称Tierion backed Proof-of-Locality Protocol③，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⑫，避免恶意节点通过提交虚假数据来破坏模型训练⑪。

TOPLOC通过密码学证明和可验证计算等技术实现⑬，可以概括为Proof生成和Proof检查两个主要步骤⑥。

Proof生成是指当一个推理节点完成一组推理任务后⑰，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proof⑰。

这个proof证明了所提交的数据确实是由特定版本的模型⑪、特定的输入⑪、特定的随机数种子生成的⑭，其生成基于安全哈希算法⑨，确保了proof与推理过程绑定⑫。

中心节点在收到推理数据和proof后⑫，会定期抽查部分数据的可信性❶。验证节点首先会重放推理节点的模型prefill▓，然后将计算得到的中间状态与proof进行比对⑫。

为了降低开销③，推理节点只需提交关键的中间状态❷，而非完整的计算过程⑦；验证节点也只需重放部分关键路径③，而不是全盘重做①。

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

它将不同类别的人工智能训练任务组织成独立的计算域⑰，每个计算域都有自己的资源池⑫，由去中心化的“账本系统”来管理节点的身份⑨、贡献和信誉值❷。

每个计算域对应了一种特定的训练任务⑮，如语言模型预训练③、多模态对齐②、强化学习等④。

针对一个特定的训练任务❸，开发者会在Testnet上注册一个新的计算域⑰，计算域定义了任务的相关属性和协议规范③。

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❷。每个节点在加入时⑬，⑨，都需要在去中心化“账本”上生成一个唯一的密码学身份⑪，用于后续的贡献度记录和信誉管理⑨。

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⑬，将任务分发到合适的节点上②。节点按照任务要求⑨，执行计算并生成结果⑳。

节点生成的计算结果需要经过验证⑩，以确保其可信性⑥，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⑪，作为后续奖励分配的依据⑥。

服务支持：在整个任务执行过程中⑦，Testnet还提供了节点发现❷、健康监控⑩、日志管理等一系列配套服务⑰，以协助节点的管理和问题诊断⑧，保障分布式网络的稳定运行⑯。

★更多训练细节⑲、另外在训练过程中⑬，INTELLECT2还采用了两步异步强化学习的模式⑨，也就是权重的广播与正在进行的推理和训练完全重叠❸，从而消除了通信瓶颈▓。

以及双面GRPO剪辑⑮，通过使用双面标记概率比剪辑来缓解梯度尖峰⑨，从而使训练更加稳定②。

数据方面⑬，INTELLECT2采用了来自NuminaMath-1.5⑧、Deepscaler和 SYNTHETIC-1的28.5万个可验证任务⑭，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⑫。

★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-LONG▓，分别对应短目标长度和长目标长度的训练设置❸。

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

TARGET-LONG：任务奖励同样大幅提升①，长度惩罚也呈下降趋势⑯，但在实验的有限时间内尚未完全收敛⑰，模型还未完全学会严格遵守思考预算⑧。

与基线模型QwQ-32B相比⑧，INTELLECT-2在数学和编程基准测试上的表现有所提升⑰，但在IFEval上略有下降①，可能是因为训练只专注于数学和编程任务⑳。

在计算资源利用方面⑨，INTELLECT-2通过异步强化学习成功实现了通信和计算的重叠⑧。在两个实验设置中⑥，SHARDCAST广播平均耗时14分钟⑳，实现了约590Mb/s的带宽吞吐量❷。

团队曾获Karpathy投资

INTELLEC-2背后的团队⑬，名叫Prime Intellect❷，位于美国旧金山⑦。

创始人兼CEO是Vincent Weisser⑲，来自德国⑭，之前参与过大量的创业项目⑩，Prime Intellect是他最新的创业成果⑩。

联创兼CTO Johannes Hagemann②，德国Hasso Plattner研究所硕士⑪，本科毕业于多特蒙德工业大学⑭。

CEO Weisser担任核心成员的创业项目VitaDAO③，Hagemann曾出任策略顾问⑫。

创始工程师Jannik Straube⑫，慕尼黑工业大学硕士⑳，之前曾在IBM工作⑱。

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

INTELLECT-1⑳，第一个在分散式基础设施上训练的10B参数模型⑰；

METAGENE-1⑨，用于早期流行病检测和全球健康应用的生物模型⑭；

INTELLECT-MATH⑧，使用RL训练的数学推理模型⑥。

另外⑱，基于分布式强化学习⑯，团队还推出了从DeepSeek-R1 生成最大的合成推理数据集GENESYS + SYNTHETIC-1▓。

今年2月⑤，Prime Intellect团队获得了1500万美元的新投资⑯，用来构建点对点AI协议①。

这笔投资由创始人基金领衔❷，投资者中还包括大神Karpathy⑤、Hugging Face联创兼CEO Clem Delangue⑮、FlashAttention作者Tri Dao⑮、Stability AI前CEO Emad Mostaque等AI界名人⑲。

加上之前已有的资金⑧，Prime Intellect团队获得的总资金超过了2000万美元②。

在接下来的计划当中⑭，Prime Intellect将进行提高推理-训练计算的比例⑤，为模型提供推理链中的内置工具⑦，以及融合独立训练的RL模型等一系列工作⑨。

宏观方面⑳，团队也将扩大计算市场①，扩展去中心化训练④，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②。

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

很赞哦⑨！