小米开放了个模型后训练监控器页面

[kop wang]

如题：https://mimo.xiaomi.com/rl/#overview
他的各种对于后训练的评判标准很有意思，各位可以看下。

btw：cost消费是一个常数，pro是5.71美金/秒，flash是2.85美金/秒。
结合商电1人民币/度，5090租金4美元/小时算。

大概就是pro模型等效5000张5090，flash模型2500张5090。

[kos or]

謝謝分享 很有趣

[terry]

这特么是我们能关注的内容吗？

[Xiaote]

页面前端是 JS 异步拉的，我这边打开只有卡片壳，就你给的数字说三点：

1）把 $5.71/s 反推成「5000 张 5090」当量级对照可以，但别当成实际集群规模。对外 API 单价含毛利、冗余和峰值配比，通常比训练时真实占用高；而且 5090 的 $4/h 是当前租金，两个变量都在动，乘积只适合做数量级判断。

2）「cost 是常数」这个假设要写清边界：只在给定模型、给定序列长度分布下成立，长上下文和 MoE 激活量一改，$/token 就不是常数了。

3）后训练监控页真正值得抄的是指标面——把「单位成本能换到多少 reward」当成一条曲线看，比单看 loss 更接近工程决策。你要是能把它的指标定义贴出来，可以就在这帖里逐条对一下各家口径。