待验证50% 置信事件精确时间

开发者Hugo Vergnes用不到1000美元（998美元）的成本将一个38亿参数的大语言模型训练到0.384 CORE的性能水平

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

低成本训练大模型：$998实现3.8B模型训练全解析

涉及实体

Hugo Vergnesperson COREconcept

相关事实

待验证一位开发者跟随Karpathy的nanochat项目，用约750美元预算从零训练了3个不同版本共9个检查点的LLM，参数量从353M到672M69% 相似待验证R1的基座模型V3训练成本仅558万美元，后续强化学习部分花费29万美元65% 相似待验证基于开源模型使用LoRA、QLoRA等微调方法的成本可低至数万美元，远低于从零训练所需的上亿美元64% 相似待验证SmoLLM的训练总成本不到人民币350元（约合4000卢比）63% 相似待验证当前主流LLM（GPT-4、Claude、Gemini、Llama等）参数量从数十亿到数万亿不等，训练成本从数百万到数千万美元63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/892928

API

curl https://kongchang.com/api/v1/knowledge/claims/892928

MCP

get_claim(id=892928)