Freesolo Flash

并非每个 AI 交互场景都最适合使用大型前沿模型。在万亿 token 级别的用例长尾中，从标签分类到搜索检索，参数量低于 100 亿的模型才是最佳选择——这些模型以毫秒级运行，成本比前沿模型低好几个数量级。然而，工程师过去不得不在模型大小和质量之间做出取舍：模型越小，性能、指令遵循能力和召回率就会线性下降。利用生产数据进行后训练能够弥合这一差距。我们打造了 Freesolo Flash，旨在让 SFT 和 RL 等训练循环变得简单易用，并可通过你的编码代理端到端完成。

我们通过以下几种方式实现这一目标：

- 明确定价：不再按 GPU 小时数或训练过程中消耗的 token 计费，而是预先报价整个训练运行的费用，让你的代理在启动运行之前能够依据预算精准调整数据集、模型大小和所用算法。

- 我们的 GPU 基础设施经过优化，能够以尽可能低的成本和最快的速度完成你的特定运行。这一优化意味着：相比 Tinker，使用 Flash 进行 SFT 训练的成本降至其 1/8，进行 GRPO（RL）训练的成本降至其约 1/5.5。

- 环境中心：我们自研的环境 SDK 支持以模块化方式构建环境，并与异步训练框架实现无缝集成。

Flash 的诞生源于我们对当前托管式后训练方案（尤其是针对 SLM 的方案）的种种不满。我们坚信，把前沿模型在特定任务上的能力注入到小型模型中，将成为提升所有智能体产品用户体验的最佳路径。Flash 是我们迈出的第一步。你只需获取一个 Freesolo API Key，让你的代理指向训练包，即可见证你的轻量模型突破前沿能力的天花板。