騰訊混元把經典臨界批大小理論搬進大模型強化學習，PPO生成吞吐最高拉到2.29倍、GRPO省下29%訓練時間

AI資訊AI新聞資訊正文騰訊混元把經典臨界批大小理論搬進大模型強化學習，PPO生成吞吐最高拉到2.29倍、GRPO省下29%訓練時間發佈於AI新聞資訊發佈時間 :2026年9月24號 13:57閱讀 :1分鐘大模型強化學習正奔向更大的GPU集群和更厚的訓練數據，訓練效率已從一個配角升格為頭等大事。騰訊混元團隊最新研究把目光投向了一個被忽視已久的老問題:當模型自己生成訓練數據、且rollout生成與訓練本身以不同節奏縮放時，批大小這門手藝該怎麼重做。研究從經典的臨界批大小理論出發，把它重新推演到在線大語言模型強化學習這個新場景。

結論很務實:在GRPO和PPO這兩類主流算法裡，只要在擴大批大小的有界範圍內重新調一調學習率，就能保住"每條響應"該學到的東西不被稀釋。也就是說，批大小不是越大越好、也不是一成不變，而是存在一個能調教清楚的甜蜜區間。落到實打實的硬件賬單上，收益相當醒目。在固定硬件配置下，把批大小往上擴，PPO生成階段的吞吐量最高提升2.29倍;而測量到的最佳GRPO配置，用比此前少29%的時間就跑到了同一個驗證目標。對天天燒卡的訓練團隊來說，這意味著同樣一張集群、同樣一個目標，要麼更快地交卷，要麼在單位時間裡吞吐更多——強化學習裡最貴的那部分生成開銷，被悄悄擠出了水分。

這項研究的意義在於，它給在線RL的規模化提供了一把可操作的旋鈕:模型在強化學習裡既是學生也是出題人，生成與訓練兩條流水線的縮放失配正是效率黑洞的源頭，而臨界批大小加學習率重調的組合，恰好補上了這道縫隙。當行業還在比誰的模型更大，騰訊混元先把刀磨向了怎麼讓已有的卡跑得更划算。相關推薦Hy Image3.5preview 登陸 WorkRally，影視創作者免費試用兩週騰訊混元發佈 Hy Image3.5preview，騰訊視頻工業級 AI 平臺 WorkRally 首發接入，兩週內向創作者免費開放，用於劇集分鏡、影視物料、角色場景設定等。

該平臺覆蓋劇本解析、分鏡生成、內容生產到資產協作全鏈路，具備專家級 Agent 與 S+ 級影視動漫技能庫。2026年9月24號 10:20152.6k阿里試水QwenBook AI設備，團隊規模約150人阿里雲無影團隊正研發AI設備QwenBook，定位原生智能體電腦，形態接近“千問平板”，尚處早期試水，主打辦公場景，接入Qwen3.8-Max和Flash模型。產品定義與硬件自研，融合無影雲電腦系統及端雲能力，團隊約150人。2026年9月22號 16:01215.4k騰訊混元圖像3.5來了:畫字更準、修圖更強、一張2K圖只要一毛五9月22日，騰訊混元發佈圖像3.

5預覽版，畫質、排版、修圖等核心能力全面升級，使用成本大幅降低，主打“便宜又好用”。官方稱整體能力較上代提升約30%，文字生成更精準，避免缺筆少畫；排版更能理解畫面佈局需求；修圖能力同步增強。2026年9月22號 10:47237.9k上海AI Lab與上交大拋出NCP預訓練新範式，8.9B隱空間模型用一半Token追平對手上海AI實驗室與上海交大LUMIA Lab提出新預訓練任務“下一個概念預測”（NCP），推出全球首個8.9B離散隱空間基座模型NCP-ArchPreview。該模型僅用51.3%的Token預算，就在5.

73T語料上追平OLMo-3-7B最終預訓練Loss，顯著提升訓練效率。2026年9月22號 10:39167.6k雙節前後 10 多款大模型蓄勢待發：GPT-6 全系、Opus 5.2、V4.1 Pro 領銜中秋國慶雙節前後，國內外至少十餘款大模型將密集發佈。國外方面，OpenAI月底開發者大會前，重磅產品延期至下週，將補齊GPT-6全系：Sol、Terra、Luna，與已發佈的Astra形成完整矩陣；Anthropic則被指跳過5.1版本。美國廠商雖無節前發佈習慣，但此次節點巧合，或掀新一輪AI競賽。2026年9月20號 16:07226.

8k智啟未來，您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026