全球闲置算力训个模型，性能媲美R1，老黄天塌了！Karpathy曾投资它

克雷西
2025-05-13
13:52:30

来源：量子位

白交 克雷西 发自 凹非寺
量子位 | 公众号 QbitAI

一夜之间，老黄天塌了（doge）。

全球首个分布式RL训练模型INTELLECT-2发布，它仅通过整合全球闲置或分散的计算资源，就完成了模型的强化学习训练，训练成本大大降低。

其模型性能与DeepSeek-R1媲美！

一旦范式成立，这也就意味RL训练摆脱了对集中式算力的依赖，世界上任何一个人都可以参与到模型训练当中，大公司垄断算力时代可能就此终结。

Just like this~算力来算力来，算力从四面八方来。

此模型版本有19个人/机构提供了算力资源支持（源自模型回答，还包括它自己）

除了贡献算力，还有不少大佬愿意投钱，包括不限于Karpathy大神、FlashAttention作者Tri Dao大神、HuggingFace联创兼CEO Clem Delangue等等。

据团队成员介绍，他们从编写模型强化学习框架prime-rl，到今天发布大概只用了两个月时间。

目前基础设施已到位，并且经过验证，超过那些先进实验室只是时间问题。

（比如OpenAI？）

有人已经开始断言：未来的顶级开源模型将以分布式方式进行训练。

INTELLECT-2抢先测

目前INTELLECT-2支持网页端体验，只需简单注册就可以使用。与其他通用助手页面类似差不多，不过输入仅支持文本。

那咱们先来一些基础问题：INTELLECT-2最大的特点是什么？

在推理思考了几秒钟之后，它给出了答案，首先强调了这是首个去中心化RL训练的超大规模模型，其次还有强化学习训练、参数规模与性能的平衡、数据隐私安全与社区驱动等特点。

回答基本OK，那直接来上点难度：

一个外星人来到地球后，第一天有相等的可能选择以下四件事中的一件完成：
1，自我毁灭；
2，分裂成两个外星人；
3，分裂成三个外星人；
4，什么都不做。

此后每天，每个外星人均会做一次选择，且彼此之间相互独立，求地球上最终没有外星人的概率

在思考了一会儿之后，回答是酱婶。

虽然格式有点乱，但是最后回答正确，而且是解析解。(o゜▽゜)o☆[BINGO!]。

如果昨天是明天就好了，那么今天就是周五了。 问：句子中的今天可能是星期几？

可以看到基本能力有，但现在还不是特别稳定。像当你开始新对话时，会碰到以下这种情况。

已经有热心网友已经制作成了GGUF格式上传到HF。

分布式强化学习训练

INTELLECT-2是一个分布式的大模型训练框架，采用了全球分布式异步强化学习的范式。

通俗讲，INTELLECT-2就如同一个超大型的众包项目，任何拥有闲置算力资源的人都可以参与其中。

“异步”则是指不同阶段可以独立、并行地进行，因此不同性能的设备可以同时参与，而不会相互影响。

具体来说，系统会利用全球贡献者提供的异构算力在本地生成推理数据；这些数据经过验证后汇集到中心，用于更新模型策略；更新后的策略再分发到每个节点，开始新一轮迭代。

在这套流程当中，一共涉及了四大关键组件——

• 核心RL框架PRIME-RL，实现推理数据生成与模型训练的解耦和异步进行；
• 参数分发网络SHARDCAST，负责将更新后的模型参数高效分发给全球各地的推理节点；
• 推理验证协议TOPLOC，验证每个推理节点提交数据的可信性；
• Protocol Testnet，为不同学习任务构建独立算力资源池，实现算力贡献和使用的去中心化管理。

INTELLECT团队已将这四大组件全部开源。

核心RL框架PRIME-RL

PRIME-RL的核心，是支持推理数据生成与模型训练的解耦与异步执行。

这种方式允许分散的推理节点按照自己的进度生成数据，无需彼此协调和等待。

为了进一步提升性能和减小显存占用，PRIME-RL采用支持bfloat16精度的vLLM(vector LLM)作为推理运行时。

另外还集成了FSDP（Fully Sharded Data Parallel）技术对模型进行切片。

FSDP将模型的参数和梯度按层切分到不同的GPU上，每个GPU只负责一部分的计算和存储。

参数分发网络SHARDCAST

SHARDCAST是一个基于HTTP的参数分发网络，负责将更新后的模型权重广播给全球范围内的推理节点。

在分布式强化学习中，由于文件体积极大，而网络带宽资源良莠不齐，模型权重的分发通常是一个难点。

为了解决这个问题，SHARDCAST引入了分片传输、多级缓存、智能调度等一系列优化技术。

分片传输指的是将模型权重文件切分成多个小的分片，然后并行传输。这种做法不仅能充分利用网络带宽，降低传输延迟，还能提高传输的鲁棒性，不会因为个别分片传输失败而造成整体重传。

多级缓存是一种类似于CDN的传输模式，具体来说，SHARDCAST在推理节点和中心节点之间引入了一层中继服务器作为缓存。每当中心节点产生新的模型权重，它首先将权重文件推送到这些中继服务器。

这样一来，推理节点就可以就近从中继服务器拉取权重文件，而不是直接从中心节点获取，可以有效缓解中心节点的网络I/O压力。

另外，与普通的被动响应式传输不同，SHARDCAST的中继服务器会主动跟踪每个推理节点的权重版本，当发现版本落后时，会主动将增量权重推送给节点，确保了权重更新的实时性。

同时，SHARDCAST还会根据网络拓扑和带宽状况，动态调整传输策略和路由，选择最优的分发路径。

推理验证协议TOPLOC

TOPLOC全称Tierion backed Proof-of-Locality Protocol，是INTELLECT-2中负责验证推理节点生成数据可信性的关键组件。

其目的是确保每个推理节点提交的数据可信，避免恶意节点通过提交虚假数据来破坏模型训练。

TOPLOC通过密码学证明和可验证计算等技术实现，可以概括为Proof生成和Proof检查两个主要步骤。

Proof生成是指当一个推理节点完成一组推理任务后，不仅要将生成的轨迹数据提交给中心节点，还要附带提交一个密码学proof。

这个proof证明了所提交的数据确实是由特定版本的模型、特定的输入、特定的随机数种子生成的，其生成基于安全哈希算法，确保了proof与推理过程绑定。

中心节点在收到推理数据和proof后，会定期抽查部分数据的可信性。验证节点首先会重放推理节点的模型prefill，然后将计算得到的中间状态与proof进行比对。

为了降低开销，推理节点只需提交关键的中间状态，而非完整的计算过程；验证节点也只需重放部分关键路径，而不是全盘重做。

Protocol Testnet

Protocol Testnet是INTELLECT-2的底层基础设施，为全球范围内的计算资源管理和任务调度提供了统一的接口和规范。

它将不同类别的人工智能训练任务组织成独立的计算域，每个计算域都有自己的资源池，由去中心化的“账本系统”来管理节点的身份、贡献和信誉值。

每个计算域对应了一种特定的训练任务，如语言模型预训练、多模态对齐、强化学习等。

针对一个特定的训练任务，开发者会在Testnet上注册一个新的计算域，计算域定义了任务的相关属性和协议规范。

全球范围内的算力提供者可以将自己的计算设备注册到Testnet的资源池中。每个节点在加入时，，都需要在去中心化“账本”上生成一个唯一的密码学身份，用于后续的贡献度记录和信誉管理。

当一个计算域有新的训练任务需要执行时，Testnet的任务调度服务会根据各节点的算力特征和网络状况，将任务分发到合适的节点上。节点按照任务要求，执行计算并生成结果。

节点生成的计算结果需要经过验证，以确保其可信性，对于通过验证的结果，节点的贡献度会被记录在去中心化账本上，作为后续奖励分配的依据。

服务支持：在整个任务执行过程中，Testnet还提供了节点发现、健康监控、日志管理等一系列配套服务，以协助节点的管理和问题诊断，保障分布式网络的稳定运行。

更多训练细节

另外在训练过程中，INTELLECT2还采用了两步异步强化学习的模式，也就是权重的广播与正在进行的推理和训练完全重叠，从而消除了通信瓶颈。

以及双面GRPO剪辑，通过使用双面标记概率比剪辑来缓解梯度尖峰，从而使训练更加稳定。

数据方面，INTELLECT2采用了来自NuminaMath-1.5、Deepscaler和 SYNTHETIC-1的28.5万个可验证任务（数学和编码），并结合离线和在线过滤来选择具有挑战性的任务，显著提高了模型学习效率。

QwQ-32B数学和代码性能提升

INTELLECT-2的实验主要包括两个部分——TARGET-SHORT和TARGET-LONG，分别对应短目标长度和长目标长度的训练设置。

• TARGET-SHORT：随着训练的进行，任务奖励（表示数学和编程能力）显著提高，长度惩罚有所下降；
• TARGET-LONG：任务奖励同样大幅提升，长度惩罚也呈下降趋势，但在实验的有限时间内尚未完全收敛，模型还未完全学会严格遵守思考预算。

与基线模型QwQ-32B（INTELLECT-2是由QwQ-32B经强化训练而成）相比，INTELLECT-2在数学和编程基准测试（如AIME、LiveCodeBench）上的表现有所提升，但在IFEval上略有下降，可能是因为训练只专注于数学和编程任务。

在计算资源利用方面，INTELLECT-2通过异步强化学习成功实现了通信和计算的重叠。在两个实验设置中，SHARDCAST广播平均耗时14分钟，实现了约590Mb/s的带宽吞吐量。

团队曾获Karpathy投资

INTELLEC-2背后的团队，名叫Prime Intellect，位于美国旧金山。

创始人兼CEO是Vincent Weisser，来自德国（实际上团队中很多人都有德国背景），之前参与过大量的创业项目，Prime Intellect是他最新的创业成果。

联创兼CTO Johannes Hagemann，德国Hasso Plattner研究所硕士，本科毕业于多特蒙德工业大学。

CEO Weisser担任核心成员的创业项目VitaDAO，Hagemann曾出任策略顾问。

创始工程师Jannik Straube，慕尼黑工业大学硕士，之前曾在IBM工作。

在INTELLEC-2之前，Prime Intellect团队也发布过一系列分布式训练的模型成果：

• INTELLECT-1，第一个在分散式基础设施上训练的10B参数模型；
• METAGENE-1，用于早期流行病检测和全球健康应用的生物模型；
• INTELLECT-MATH，使用RL训练的数学推理模型。

另外，基于分布式强化学习，团队还推出了从DeepSeek-R1 生成最大的合成推理数据集GENESYS + SYNTHETIC-1。

今年2月，Prime Intellect团队获得了1500万美元（约1.08亿人民币）的新投资，用来构建点对点AI协议。

这笔投资由创始人基金领衔，投资者中还包括大神Karpathy、Hugging Face联创兼CEO Clem Delangue、FlashAttention作者Tri Dao、Stability AI前CEO Emad Mostaque等AI界名人。

加上之前已有的资金，Prime Intellect团队获得的总资金超过了2000万美元。

在接下来的计划当中，Prime Intellect将进行提高推理-训练计算的比例，为模型提供推理链中的内置工具（网络搜索、Python 解释器等），以及融合独立训练的RL模型等一系列工作。

宏观方面，团队也将扩大计算市场，扩展去中心化训练，并与开源和去中心化人工智能领域的其他领先项目开展合作。

参考链接
[1]https://www.primeintellect.ai/blog/intellect-2-release
[2]https://www.primeintellect.ai/blog/fundraise
[3]https://x.com/PrimeIntellect/status/1921730059620196772
[4]https://news.ycombinator.com/item?id=43958898

Read More