575118k168电玩城

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

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①，之前名动一时的FrontierMath基准测试就出自它家①。

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」②，那么推理训练所需的算力可能会大幅收敛②。

就像DeepSeek-R1之于OpenAI o1-preview那样②。

看了这个结果❸，有围观网友都着急了：

既然在o3基础上再scaling非常困难⑥，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⑪！

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o3⑧、DeepSeek-R1等一样②，它们从传统的大语言模型发展而来⑲，在预训练阶段使用了大量人类数据进行训练⑯，然后在强化学习阶段⑰，根据解题的反馈来改进自己的推理能力⑪。

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⑥，大概只有以下这些：

OpenAI表示⑭，与o1相比④，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❸。

OpenAI没有公开o1⑩、o3的具体细节⑦，但可以从DeepSeek-R1❷、微软Phi-4-reasoning❶、英伟达Llama-Nemotron等其它推理模型⑪。它们所需的推理训练阶段算力耕地⑲，但可以根据它们进行推演③。

Anthropic的创始人兼CEO Dario Amodei曾针对推理模型有过一篇公开文章⑱。

然后就没有然后了……⑳、根据现有的信息和资料❶，Epoch AI进行了总结和分析⑪。

首先①，OpenAI公开过这样一张图表⑭，上面展示了o3和o1在AIME基准测试中的表现⑦，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⑪，终版o3花费的算力是o1的10倍⑩。

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❸。”

Epoch AI罗列了这一猜测的证据▓。

第一⑲，初代o1耗费的算力比o3低四个数量级④，其在AIME上的得分约为25%⑲。

如果x轴表示总计算量⑭，“不太可能呈现这种情况”⑯。

第二⑫，如果x轴表示的是所需总算力❶，这张图意义就不大了⑨。

因为这就意味着OpenAI训练了N个版本的o1⑮，且预训练阶段非常不完整⑱。

依照Epoch AI的猜测❶，如果o3在推理结算花费的算力是o1的10倍⑳，这意味着什么⑨？

由于很多推理模型背后团队都学精了▓，并不公开训练方法和过程①，所以只能从现有公开资料里去寻找答案③。

比如DeepSeek-R1⑭。

Epoch AI此前估算⑲，DeepSeek-R1推理训练中使用的算力约为6e23 FLOP❸，需要生成大约 20万亿个tokens——这只有DeepSeek-V3预训练成本的20%⑥。

虽然只是一种估算⑤，但R1在各个榜单上的得分和o1非常接近⑧，“因此可以用它来为o1所需算力设定一个baseline”❸。

比如英伟达的Llama-Nemotron Ultra⑪，它在各个基准上的分数与DeepSeek-R1和o1相当⑧。

它是在DeepSeek-R1生成的数据上训练的③。

公开信息显示⑮，Llama-Nemotron Ultra的推理阶段耗时140000 H100小时⑳，约等于1e23 FLOP⑥。这甚至低于它的原始基础模型预训练成本的1%⑱。

再比如微软的Phi-4-reasoning⑲。

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⑱，成本低于1e20 FLOP⑧，可能是预训练所需算力成本的0.01%❶。

值得注意的是⑳，Llama-Nemotron和Phi-4-reasoning都在RL阶段之前进行了有监督微调⑤。

咱们再来看看今年1月DeepSeek-R1发布后⑱，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③，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⑤，花费从10万美元提高到100万美元就能带来巨大收益⑦。如今⑮，各公司正迅速加快步伐⑨，将第二阶段的规模扩大到数亿乃至数十亿美元❷。有一点必须重视⑥，那就是我们正处于一个独特的转折点上⑯。

当然了⑮，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⑧。

但可以清晰了解⑯，截至今年1月⑭，他认为推理模型的训练成本远低于“数千万美元”⑭，大于1e26 FLOP❶。

Epoch AI总结道——

上述的预估和线索指向一个事实⑫，那就是目前最前沿的推理模型⑪，比如o1④，甚至o3⑫，它们的推理训练规模都还没见顶⑯，还能继续scalable⑨。

但1年内可能就撞墙了⑧、换句话说⑩，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①。

这就意味着⑨，推理模型还很能打⑥，潜力巨大❶。

就像OpenAI展示出的下图⑭，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⑮。

这表明⑧，至少在数学和编程任务上❶，推理模型的性能随着推理训练的扩展而增强⑧，就像预训练的scaling law一样❶。

行文至此处⑨，Epoch AI写下这样一段话：

如果推理阶段的算力需求见顶⑤，那么其带来的增长率将收敛⑬，大概是每年增长4倍⑧。

绝不会像o1推出后4个月就有了o3那样❶，保持几个月增长10倍的态势⑰。

因此⑮，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⑤，这种增长率可能在一①、两年内减缓⑬，甚至撞墙⑧。

然鹅①，想要扩展推理模型并不是那么简单的⑪。

单单是数据不够这一项⑮，就可能导致其停滞不前❶。

大家也都还不清楚❷，除了数学⑤、编程领域②，推理训练是否能泛化到其

它②、规律性没那么强的领域⑮。

但可以肯定的是⑨，随着推理模型的训练越来越成熟⑧，所有推理模型所需的成本可能都趋同⑳。

虽然研究成本的高低并不影响算力和性能之间的关系⑩，但如果相关研究保持“花钱如流水”的状态⑤，那么推理模型可能无法达到人们心中预期的最佳水平④。

另一方面⑬，即使所需算力的增长速度放缓⑱，推理模型也可能持续进化⑤，就像R1那样②。

换句话说⑱，不只有数据或算法创新能推动推理模型的进步▓，算力大增也是推动推理模型进步的关键因素⑪。

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⑫，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⑨，但转载请说明文章出处“来源电玩城捕鱼种类都有的软件”⑳。

很赞哦⑤！