64张B300、不到5天,FireFlash比肩Fable 5与GPT-6Sol,单任务成本低30倍!
2026.11.12 · 收录日 2026.11.12 · 模型 · 新模型 · 媒体报道
研究者开源300B级终端与编程智能体的完整强化学习训练配方
Wenbo Hu、Nanyun Peng、Dakuo Wang、Kai-Wei Chang 等研究者在 Agent Economics 博客发布 FireFlash:从 GLM-5.3-Flash 出发、经全参数强化学习训练得到的 300B 级终端与编程智能体。它在 Terminal-Bench 4.0 上 Pass@1 达 46.2%,与 Fable 5、GPT-6 Sol 处于同一水平,单任务成本比最高推理强度下的 Fable 5 低 30 倍以上;整个训练只用 64 张 NVIDIA B300、不到 5 天,团队同时公开完整训练配方。
- FireFlash 在 Terminal-Bench 4.0 上 Pass@1 达 46.2%,与 Fable 5、GPT-6 Sol 处于同一水平,单任务成本比最高推理强度下的 Fable 5 低…
- 训练从 GLM-5.3-Flash(总参数 321B,每 token 激活 17.4B)出发做全参数 RL,训练全部 320B 语言参数,冻结视觉塔与 DSA 索引器
- 整个训练只用 64 张 NVIDIA B300、不到 5 天,团队公开了完整训练配方
- 提升也迁移到 DeepSWE v1.1 与 SWE-Bench Pro Verified 两个软件工程基准上
- 训练与 rollout 各用一组专属 GPU,允许使用落后最多 6 个权重版本的 rollout 训练,并借助 MTP 将解码加速 1.38 倍
为什么值得看
百卡级集群也能做到前沿级智能体 RL 训练效率
适合谁关注
关注智能体强化学习与训练成本的研究者和工程团队
