清华推出 Puro-2B:RTX 5090 预训练成本不到 5090 美元
清华大学陈文光与吕凯风团队联合推出全流程开源的 Puro-2B(普罗-2B),开源训练数据、训练框架、训练配置和模型权重,在消费级显卡 RTX 5090 集群上从头训练约 20 亿参数模型,最多使用 1.4 万亿 token。约 4400 美元预训练计算成本的版本在 15 项任务平均指标上超过 Qwen2-1.5B,6900 美元的最佳版本平均性能接近 Qwen2.5-1.5B。团队还拟合了 Puro Cost Scaling Law 经验曲线,用于在正式训练前估计不同预算能达到的能力水平。
各阶段的计算量,调整微批次大小,并按显存占用情况均衡放置优化器状态,平衡不同节点的显存负载。 通过上述优化,综合MFU能超过70%,消费卡的性价比通过这些工程适配与系统优化转化为训练成本的优势。 有了更划算的算力,下一步是提高计算精度效率。 FP8发挥RTX 5090的低精度效率优势 RTX 5090的Blackwell架构还为FP8训练提供了基础。他们沿用DeepSeek-V3的细粒度分块量化思路,将主要线性层的矩阵乘法放在FP8路径上,同时让数值敏感操作和训练状态保留BF16或FP32精度。 FP8会带来一定精度损失。为判断是否划算,他们通过不同模型规模的对照实验(Scaling ladder),来验证了FP8训练带来的净效率收益。 通过五个模型规模的实验对照,他们发现,相比BF16,FP8的验证损失高出约0.0031—0.0039,但差距较小且跨规模稳定。 与此同时,FP8的训练吞吐效率得到1.36倍提升;把精度损失折算为达到相同损失所需的额外计算后,据估计仍有约1.34倍净效率收益。 论文Figure 10b|FP8的损失差距与质量校正后的效率 从普通学习率到有效学习率 确定了
匹配字段正文


