行业精选
推特分析：4 周 13 亿个沙盒相当于每天 4846 万次 RL 环境
精选理由
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。
原文 · Teortaxes
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
