44330hy电玩城

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❷。

以上结论来自Epoch AI⑰。

这是一个专注于人工智能研究和基准测试的非营利组织⑦，之前名动一时的FrontierMath基准测试就出自它家⑱。

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」⑳，那么推理训练所需的算力可能会大幅收敛⑫。

就像DeepSeek-R1之于OpenAI o1-preview那样▓。

看了这个结果⑰，有围观网友都着急了：

既然在o3基础上再scaling非常困难⑱，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⑳？“效率”比“研究过剩”更重要⑰！

推理训练还有scalable的空间

OpenAI的o1是推理模型的开山之作⑱。

和o3③、DeepSeek-R1等一样①，它们从传统的大语言模型发展而来②，在预训练阶段使用了大量人类数据进行训练⑨，然后在强化学习阶段⑧，根据解题的反馈来改进自己的推理能力⑨。

虽然推理模型已经成为了很多AI使用者的实用帮手⑭，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⑧，与o1相比⑪，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⑥。

OpenAI没有公开o1▓、o3的具体细节⑦，但可以从DeepSeek-R1❶、微软Phi-4-reasoning④、英伟达Llama-Nemotron等其它推理模型❸。它们所需的推理训练阶段算力耕地▓，但可以根据它们进行推演⑤。

Anthropic的创始人兼CEO Dario Amodei曾针对推理模型有过一篇公开文章⑫。

然后就没有然后了……⑬、根据现有的信息和资料⑬，Epoch AI进行了总结和分析⑫。

首先⑭，OpenAI公开过这样一张图表❸，上面展示了o3和o1在AIME基准测试中的表现④，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⑭，终版o3花费的算力是o1的10倍⑮。

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▓。”

Epoch AI罗列了这一猜测的证据⑩。

第一⑮，初代o1耗费的算力比o3低四个数量级⑦，其在AIME上的得分约为25%⑪。

如果x轴表示总计算量⑯，“不太可能呈现这种情况”⑬。

第二③，如果x轴表示的是所需总算力⑤，这张图意义就不大了⑧。

因为这就意味着OpenAI训练了N个版本的o1③，且预训练阶段非常不完整⑲。

依照Epoch AI的猜测⑰，如果o3在推理结算花费的算力是o1的10倍①，这意味着什么❷？

由于很多推理模型背后团队都学精了❷，并不公开训练方法和过程⑩，所以只能从现有公开资料里去寻找答案②。

比如DeepSeek-R1⑨。

Epoch AI此前估算⑤，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%⑯。

虽然只是一种估算❸，但R1在各个榜单上的得分和o1非常接近⑮，“因此可以用它来为o1所需算力设定一个baseline”④。

比如英伟达的Llama-Nemotron Ultra⑳，它在各个基准上的分数与DeepSeek-R1和o1相当⑳。

它是在DeepSeek-R1生成的数据上训练的⑩。

公开信息显示⑪，Llama-Nemotron Ultra的推理阶段耗时140000 H100小时④，约等于1e23 FLOP⑭。这甚至低于它的原始基础模型预训练成本的1%④。

再比如微软的Phi-4-reasoning❸。

它是在o3-mini生成的数据上训练的②。

Phi-4-reasoning在推理阶段规模更小⑨，成本低于1e20 FLOP⑨，可能是预训练所需算力成本的0.01%①。

值得注意的是⑧，Llama-Nemotron和Phi-4-reasoning都在RL阶段之前进行了有监督微调④。

咱们再来看看今年1月DeepSeek-R1发布后④，Anthropic的CEODario Amodei写的一篇文章②，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⑰，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⑦，花费从10万美元提高到100万美元就能带来巨大收益⑫。如今⑨，各公司正迅速加快步伐⑯，将第二阶段的规模扩大到数亿乃至数十亿美元⑥。有一点必须重视⑯，那就是我们正处于一个独特的转折点上❸。

当然了⑪，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⑨。

但可以清晰了解❷，截至今年1月⑩，他认为推理模型的训练成本远低于“数千万美元”⑳，大于1e26 FLOP⑭。

Epoch AI总结道——

上述的预估和线索指向一个事实⑧，那就是目前最前沿的推理模型⑨，比如o1⑪，甚至o3③，它们的推理训练规模都还没见顶⑬，还能继续scalable⑩。

但1年内可能就撞墙了❸、换句话说⑳，如果推理训练还没见顶⑫，那么推理模型还是有潜力在短期内快速实现能力拓展的⑱。

这就意味着⑰，推理模型还很能打⑯，潜力巨大④。

就像OpenAI展示出的下图⑨，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⑩。

这表明①，至少在数学和编程任务上⑰，推理模型的性能随着推理训练的扩展而增强④，就像预训练的scaling law一样▓。

行文至此处❷，Epoch AI写下这样一段话：

如果推理阶段的算力需求见顶❸，那么其带来的增长率将收敛⑳，大概是每年增长4倍④。

绝不会像o1推出后4个月就有了o3那样⑪，保持几个月增长10倍的态势❸。

因此②，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⑦，这种增长率可能在一⑫、两年内减缓⑬，甚至撞墙⑦。

然鹅③，想要扩展推理模型并不是那么简单的⑤。

单单是数据不够这一项⑪，就可能导致其停滞不前②。

大家也都还不清楚⑮，除了数学⑯、编程领域⑰，推理训练是否能泛化到其

它⑲、规律性没那么强的领域⑱。

但可以肯定的是⑲，随着推理模型的训练越来越成熟⑰，所有推理模型所需的成本可能都趋同❷。

虽然研究成本的高低并不影响算力和性能之间的关系⑨，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⑤。

另一方面⑯，即使所需算力的增长速度放缓⑬，推理模型也可能持续进化⑲，就像R1那样⑳。

换句话说⑫，不只有数据或算法创新能推动推理模型的进步⑦，算力大增也是推动推理模型进步的关键因素⑬。

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⑫，非常欢迎各位朋友分享到个人站长或者朋友圈②，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⑲！