花998美元把3.8B LLM训练到0.384 CORE – Hugo Vergnes

开发者 Hugo Vergnes 用约 998 美元租用 8 张 B200,在 43 小时内训练出一个 3.8B 参数模型 little-lm,CORE 得分 0.384,超过 GPT-2 的 0.2565。它说明个人开发者用几千美元也能训练出有实际能力的小模型。

开发者 Hugo Vergnes 用约 998 美元租用 8 张 B200,在 43 小时内训练出一个 3.8B 参数模型 little-lm,CORE 得分 0.384,超过 GPT-2 的 0.2565。它说明个人开发者用几千美元也能训练出有实际能力的小模型。

OpenAI 基金会董事会成员 Paul Christiano 公开表示,当前 AI 行业的发展路径无法把"严重失控风险"降到可接受水平。这是一位深度参与前沿实验室治理的人士,对行业整体安全进展给出的负面判断。

一位数学家在 Mastodon 上指出,OpenAI 在发布包含大量公式的公告时,自身缺少能校核这些数学内容的专业人员,导致公开材料里出现表述与推导问题,引发社区对 AI 公司技术传播质量的讨论。

据路透社消息,华为、寒武纪、沐曦、天数智芯四家中国 AI 芯片厂商已将现役及下一代芯片报价上调 20%–50%,直接推手是 HBM(高带宽内存)成本上涨,这将传导到国内算力租赁与推理服务的定价。

诺贝尔经济学奖得主菲利普·阿吉翁在外滩大会演讲中给出测算:AI 未来十年有望让生产率增速每年额外提高约 1.08 个百分点,但这一潜力能否兑现,取决于竞争政策、教育体系和劳动力市场制度能否同步跟上。

普林斯顿大学教授王梦迪在 2026 外滩大会上指出,当前大模型虽已掌握大量人类知识,但在物理、化学、生物等基础科学领域尚未产生原创性发现;她认为瓶颈不在模型规模,而在于现实世界缺乏像编译器、Unit Test 或 Lean 那样的"验证器"。

财跃星辰与上海交大安泰经管学院联合开源了金融推理大模型 Alpha-R1,用 8B 参数的“小模型”在资产配置任务上跑赢 DeepSeek-R1 等通用大模型,并公布了走出训练样本的真实模拟回测数据。

诺贝尔经济学奖得主菲利普·阿吉翁在2026外滩金融峰会上给出测算:AI未来十年有望每年为生产率增长多贡献约1.08个百分点,但这一潜力能否兑现,取决于竞争政策、教育体系和劳动力市场能否同步跟上。

2026年9月10日外滩大会上,源码资本投资合伙人张宏江提出,Agent Economy时代企业的核心竞争力不再是单点技术,而是能否把企业IP、know-how、用户关系和产品能力转化成模型,并让模型之间产生"涌现"效应。

普林斯顿大学王梦迪指出,当前大模型擅长给出概率分布中“最可能”的答案,却容易忽略真正新发现所在的长尾区域,因此AI尚未在物理、化学、生物等基础科学领域产生原创性突破。她认为关键不在模型规模,而在于能否建立让真实世界可验证的实验基础设施。