uu电玩城官网最新版

衡宇 发自 凹非寺量子位 | 公众号 QbitAI一年之内⑤，大模型推理训练可能就会撞墙❸。

以上结论来自Epoch AI③。

这是一个专注于人工智能研究和基准测试的非营利组织❸，之前名动一时的FrontierMath基准测试就出自它家④。

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」⑫，那么推理训练所需的算力可能会大幅收敛⑳。

就像DeepSeek-R1之于OpenAI o1-preview那样⑪。

看了这个结果⑯，有围观网友都着急了：

既然在o3基础上再scaling非常困难⑧，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❷？“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②。

和o3▓、DeepSeek-R1等一样①，它们从传统的大语言模型发展而来❶，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①，根据解题的反馈来改进自己的推理能力④。

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

OpenAI表示④，与o1相比❷，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⑪。

OpenAI没有公开o1③、o3的具体细节⑰，但可以从DeepSeek-R1⑥、微软Phi-4-reasoning⑱、英伟达Llama-Nemotron等其它推理模型④。它们所需的推理训练阶段算力耕地⑰，但可以根据它们进行推演⑳。

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……④、根据现有的信息和资料⑥，Epoch AI进行了总结和分析⑮。

首先⑱，OpenAI公开过这样一张图表③，上面展示了o3和o1在AIME基准测试中的表现②，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⑯，终版o3花费的算力是o1的10倍⑬。

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⑬。”

Epoch AI罗列了这一猜测的证据⑱。

第一⑭，初代o1耗费的算力比o3低四个数量级⑱，其在AIME上的得分约为25%❷。

如果x轴表示总计算量⑲，“不太可能呈现这种情况”⑱。

第二⑲，如果x轴表示的是所需总算力①，这张图意义就不大了⑳。

因为这就意味着OpenAI训练了N个版本的o1⑭，且预训练阶段非常不完整⑭。

依照Epoch AI的猜测⑨，如果o3在推理结算花费的算力是o1的10倍⑫，这意味着什么⑫？

由于很多推理模型背后团队都学精了⑨，并不公开训练方法和过程⑪，所以只能从现有公开资料里去寻找答案⑬。

比如DeepSeek-R1⑳。

Epoch AI此前估算⑧，DeepSeek-R1推理训练中使用的算力约为6e23 FLOP⑮，需要生成大约 20万亿个tokens——这只有DeepSeek-V3预训练成本的20%④。

虽然只是一种估算⑲，但R1在各个榜单上的得分和o1非常接近⑨，“因此可以用它来为o1所需算力设定一个baseline”②。

比如英伟达的Llama-Nemotron Ultra⑧，它在各个基准上的分数与DeepSeek-R1和o1相当⑰。

它是在DeepSeek-R1生成的数据上训练的②。

公开信息显示⑪，Llama-Nemotron Ultra的推理阶段耗时140000 H100小时②，约等于1e23 FLOP⑪。这甚至低于它的原始基础模型预训练成本的1%❷。

再比如微软的Phi-4-reasoning⑥。

它是在o3-mini生成的数据上训练的⑧。

Phi-4-reasoning在推理阶段规模更小⑮，成本低于1e20 FLOP⑭，可能是预训练所需算力成本的0.01%⑭。

值得注意的是▓，Llama-Nemotron和Phi-4-reasoning都在RL阶段之前进行了有监督微调⑰。

咱们再来看看今年1月DeepSeek-R1发布后⑫，Anthropic的CEODario Amodei写的一篇文章❷，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⑳，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⑯，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⑫，各公司正迅速加快步伐②，将第二阶段的规模扩大到数亿乃至数十亿美元⑲。有一点必须重视⑱，那就是我们正处于一个独特的转折点上⑱。

当然了⑱，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③。

但可以清晰了解⑫，截至今年1月⑳，他认为推理模型的训练成本远低于“数千万美元”③，大于1e26 FLOP⑩。

Epoch AI总结道——

上述的预估和线索指向一个事实④，那就是目前最前沿的推理模型❶，比如o1⑧，甚至o3⑥，它们的推理训练规模都还没见顶①，还能继续scalable⑭。

但1年内可能就撞墙了❷、换句话说⑳，如果推理训练还没见顶⑥，那么推理模型还是有潜力在短期内快速实现能力拓展的⑲。

这就意味着⑲，推理模型还很能打⑬，潜力巨大⑨。

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▓。

这表明⑥，至少在数学和编程任务上②，推理模型的性能随着推理训练的扩展而增强⑱，就像预训练的scaling law一样❶。

行文至此处⑰，Epoch AI写下这样一段话：

如果推理阶段的算力需求见顶⑧，那么其带来的增长率将收敛⑤，大概是每年增长4倍⑳。

绝不会像o1推出后4个月就有了o3那样▓，保持几个月增长10倍的态势⑤。

因此⑧，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❷，这种增长率可能在一⑯、两年内减缓⑪，甚至撞墙⑬。

然鹅⑯，想要扩展推理模型并不是那么简单的⑧。

单单是数据不够这一项⑪，就可能导致其停滞不前⑭。

大家也都还不清楚⑱，除了数学⑱、编程领域❷，推理训练是否能泛化到其

它⑨、规律性没那么强的领域⑮。

但可以肯定的是③，随着推理模型的训练越来越成熟③，所有推理模型所需的成本可能都趋同⑯。

虽然研究成本的高低并不影响算力和性能之间的关系⑦，但如果相关研究保持“花钱如流水”的状态⑨，那么推理模型可能无法达到人们心中预期的最佳水平⑩。

另一方面▓，即使所需算力的增长速度放缓⑰，推理模型也可能持续进化⑱，就像R1那样⑤。

换句话说❸，不只有数据或算法创新能推动推理模型的进步④，算力大增也是推动推理模型进步的关键因素⑮。

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⑳，非常欢迎各位朋友分享到个人站长或者朋友圈①，但转载请说明文章出处“来源电玩城捕鱼种类都有的软件”⑮。

很赞哦⑦！