FlashNext-RL：Qwen3.8-Flash-Next 长程智能体 RL 系统优化
原文标题：FlashNext-RL: A System Optimization Study for Long-Horizon Agentic RL of Qwen3.8-Flash-Next
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 FlashNext-RL，针对 Qwen3.8-Flash-Next 的架构与内存布局优化长程智能体强化学习训练，基于 prime-rl 并用 vLLM 生成软件工程 rollout。在单台 8xB200 节点上，非填充训练吞吐从约 395 提升至 4438 tokens/s/GPU，并支持 131K 上下文、1024 条可训练 rollout 的在线 SWE RL 运行。
深读 · 结论先行AI 生成展开看要点与影响 ↓
FlashNext-RL 让 Qwen3.8-Flash-Next 单节点训练吞吐从 395 升至 4438 tokens/s/GPU，约 11 倍
- •基于 prime-rl，用 vLLM 生成软件工程 rollout，单台 8xB200 节点做 BF16 全 48 层训练
- •前两层、n-gram 表、稀疏注意力索引器与多 token 预测头被冻结
- •非填充吞吐从 32K 配置约 395 提升到 131K 配置 4438 tokens/s/GPU
- •矩阵乘吞吐从约 20 升至 213 TFLOPs/GPU
- •配合三个推理节点，支持 1024 条可训练 rollout、131072 token 上下文的在线 SWE RL
为什么重要：长上下文智能体 RL 的瓶颈常在 rollout 与显存，这套模型专用优化给出了单节点跑 131K 上下文的可行配置，对做 SWE 智能体训练的团队有直接参考价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。