Elvis Saravia 看好后训练降本趋势：Tinker 长上下文 token 降价利好 agentic RL

我看好让后训练变得更易获取的这一趋势。

后训练的新时代即将到来。

如果你从事智能体强化学习（agentic RL）工作，就会知道长上下文任务（当今的一大重点）成本高、效率低，且难以扩展。

我一直在深入研究长上下文任务的强化学习环境和评估，能看出这会很有用。

在智能体强化学习中，rollout（轨迹生成）消耗了大部分 token。每一轮都会重新读取不断增长的完整上下文，包括工具输出、文件和之前的对话轮次。

Tinker 刚刚降低了这些 token 的价格。现在长上下文的预填充（prefill）和采样（sampling）成本与短上下文相同。

这意味着用长输入评估你训练好的模型也变得更便宜了。这是一大利好。

我相信，强化学习将持续催生专用模型，大幅降低关键智能体操作的成本。更便宜的长 rollout 让这些模型的构建更具可行性。

掌控你自己的智能栈！