推特分析:4 周 13 亿个沙盒相当于每天 4846 万次 RL 环境
有人算了笔账:13 亿个沙盒折算到 DeepSeek 的单位要 16 个,能看出前沿 RL 训练到底烧多少卡。
一位分析师在 X 上推算,某前沿实验室 4 周内运行了 13 亿个沙盒,折合每天约 4846 万个。以 DeepSeek 的 DSec 规模单位每天 300 万个沙盒计算,需要约 16 个这样的单位。
作者估算每单位约需 656 块 GB300,并认为 DeepSeek 实际可能使用不超过 128 块 GB300 等效算力。这条推文被用来窥探前沿实验室 RL 训练的算力规模。
1.3 billion sandboxes over 4 weeks, huh. That's 48,46M sandboxes/day. At DeepSeek, one DSec scale unit does 3M, so would need 16 units, or roughly 656 GB300s/unit (DeepSeek likely uses ≤128 GB300-equivalents though). A big project. A hint of how it's done at the frontier. https://t.co/CaQgrLlfAQ
本条情报归属 AITOP「行业」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「中美大模型技术代差与商业化对照」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:DeepSeek、GB300、强化学习、算力,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「Teortaxes」(@teortaxesTex),经 AITOP 多维评分管线结构化提炼。