研究者在 Agent Economics 博客放出全新智能体模型 FireFlash，它以 GLM‑5.3‑Flash 作为基底，采用全参数长时序强化学习完成训练，整套训练集群只用 64 张 NVIDIA B300，耗时不到 5 天；在 Terminal‑Bench 4.0 基准测试上 Pass@1 拿到 46.2%，成绩和 Claude Fable 5、GPT‑6 Sol 处在同一梯队，在 DeepSWE v1.1、SWE‑Bench Pro Verified 软件工程测试集上面同样保持对齐水准，在最高推理强度对比之下，FireFlash 的单任务成本比 Fable 5 低 30 倍以上，团队还对外放出完整可复现的训练配方，属于面向终端操作、代码智能体方向的开源路线成果，它主打性能与成本的帕累托最优，不用堆砌海量算力就能摸到前沿智能体的能力门槛。之所以 FireFlash 能用很小算力追上主流前沿智能体，核心是它没有选择从零预训练，而是站在已经成熟的 GLM‑5.3‑Flash 底座之上做全参数强化学习，专门针对 Agent 长时序任务优化；这套训练配方重点优化奖励信号、轨迹采样以及显存调度，把 B300 的算力利用率拉高，减少大量无效训练轮次；传统前沿 Agent 往往需要持续跑昂贵的推理、海量交互样本，而 FireFlash 的方案压缩了交互开销，让同等能力下的推理成本大幅下降。如果想要复现或者落地这套模型，可以沿着这条流程操作，第一步拿到公开的训练配方，确认底座 GLM‑5.3‑Flash 的权重；第二步准备 64 卡 B300 集群，搭建对应的分布式训练框架；第三步配置长时序 Agent 强化学习的数据集与奖励函数；第四步启动训练，在五天周期内持续验证 Terminal‑Bench、SWE 相关基准；第五步训练收敛之后，部署推理服务，对比同任务下和 Fable 5、GPT‑6 Sol 的开销；最后根据业务，调整采样策略，进一步压低线上单任务成本。综合来看，FireFlash 证明强化学习配方可以显著压低前沿智能体的落地门槛，不需要动辄上万张 GPU 投入，就能做出对标商用头部 Agent 的模型；但它的优势集中在终端操控、编程类基准，通用对话、多模态等其他能力没有被这次测试重点覆盖，同时它只是放出训练配方，并不代表成品已经做到全场景超越 Fable 5 和 GPT‑6 Sol。
一、基础参数总表
| 项目 | 详情 |
|---|---|
| 模型名称 | FireFlash |
| 基座模型 | GLM‑5.3‑Flash（321B 总参数，单 Token 激活 17.4B） |
| 训练硬件 | 64 张 NVIDIA B300 |
| 训练时长 | 不足 5 天 |
| 训练方式 | 全参数长时序 Agent 强化学习 |
| 核心对标 | Claude Fable 5、GPT‑6 Sol |
| Terminal‑Bench 4.0 Pass@1 | 46.2% |
| 成本优势 | 对比高推强模式 Fable 5，单任务成本低 30 倍以上 |
| 配套产出 | 完整可复现训练配方公开 |
二、验证基准清单
- Terminal‑Bench 4.0：终端命令、系统操作、工具调用长任务，本次核心对标基准
- DeepSWE v1.1：软件工程、代码修复、自主开发任务
- SWE‑Bench Pro Verified：真实开源项目 Bug 修复验证集
三、核心技术亮点
- 基座复用：依托成熟 GLM‑5.3‑Flash，跳过成本极高的基础预训练阶段
- 长时序强化学习：专门优化多步、多轮工具调用的 Agent 轨迹
- 算力高效调度：针对 B300 显存、NVFP4 计算做适配，提升集群利用率
- 可复现配方：公开整套训练流程、数据与超参，其他团队可以复刻这条路线
- 帕累托最优：在当前测试集上，同性能档位里面单任务开销处于很低水平
四、能力边界说明
- ✅：终端操控、自主编程、长序列工具调用表现对齐 Fable 5、GPT‑6 Sol
- ✅：训练周期短，硬件门槛相比主流前沿 Agent 低很多
- ⚠️：本次重点是 Agent 基准，通用对话、多模态、数学推理没有作为核心对照
- ⚠️：“低 30 倍” 是在特定测试、最高强度推理配置下的对比，不是所有场景都固定倍率
- ⚠️：公开训练配方不等于现成稳定商用 API，想要线上部署还需要额外对齐与安全过滤
五、和对标模型简单区分
- GPT‑6 Sol：OpenAI 商用前沿 Agent，擅长复杂多轮工程任务，定价偏高
- Claude Fable 5：Anthropic 的 Agent 模型，长上下文工具调用能力很强，推理成本高昂
- FireFlash：基于 GLM 底座、靠强化学习迭代，主打可复现、低成本，面向研究者和自建 Agent 团队
六、行业带来的影响
- 给中小实验室提供路线：不需要超大规模算力，也可以冲击前沿 Agent 赛道
- 改变 Agent 成本预期：证明强化学习配方优化，比单纯堆参数、堆算力性价比更高
- 推动开源 Agent 竞争：后续会有更多团队复用这套思路，打造低成本终端与编程智能体
【相关 FAQ】
问题 1：FireFlash 依靠 64 张 B300 训练不足 5 天，它在 Terminal‑Bench 4.0 的成绩是多少？
回答 1：FireFlash 依靠 64 张 B300 训练不足 5 天，在 Terminal‑Bench 4.0 上面 Pass@1 达到 46.2%，和 Fable 5、GPT‑6 Sol 处在同一性能区间。
问题 2：FireFlash 用 64 张 B300、不到 5 天训练完成，它对比 Fable 5 的成本优势是多少？
回答 2：FireFlash 用 64 张 B300、不到 5 天训练完成，在最高推理强度的对照条件下，它的单任务成本比 Fable 5 低 30 倍以上。
问题 3：FireFlash 依靠 64 张 B300、不到 5 天训练，它选用的基座模型是什么？
回答 3：FireFlash 依靠 64 张 B300、不到 5 天训练，它的基座是 GLM‑5.3‑Flash，总参数规模 321B，每个 token 激活参数为 17.4B。
问题 4：FireFlash 使用 64 张 B300、不到 5 天训练，它除终端基准之外还在哪些测试集验证？
回答 4：FireFlash 使用 64 张 B300、不到 5 天训练，除 Terminal‑Bench 4.0 之外，还在 DeepSWE v1.1、SWE‑Bench Pro Verified 软件工程基准上完成验证。
问题 5：FireFlash 通过 64 张 B300、不到 5 天训练得到，团队有没有放出相关训练资料？
回答 5：FireFlash 通过 64 张 B300、不到 5 天训练得到，研究团队对外放出完整可复现的训练配方，其他研究者可以按照这套方案复现模型迭代路线。
【参考资料】
[2026-11-12]（64 张 B300、不到 5 天，FireFlash 比肩 Fable 5 与 GPT-6Sol，单任务成本低 30 倍！）新浪财经
[2026-11-12]（FireFlash：长时序智能体强化学习，抵达性能成本帕累托前沿）机器之心
[2026-11-12]（FireFlash 公开训练配方，低成本对标商用前沿 Agent）36 氪
[2026-11-11]（Agent Economics 发布 FireFlash 技术博客）Agent Economics
【免责声明】
本文围绕 FireFlash 的公开技术博客与行业报道整理解读，30 倍成本优势限定于指定基准、特定推理配置，不同业务负载、部署方式会改变实际开销；基准成绩为实验室测试结果，不等于全部真实业务场景表现；训练配方公开不等于现成商用稳定模型，如果后续研究团队补充新评测、更新权重，和本文信息出现出入，请以官方技术博客作为唯一依据。
本文来自作者[旋场计时使]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/jqr/202611/2104.html
评论列表（4条）
我是乌兰科技网的签约作者“旋场计时使”！
希望本篇文章《FireFlash 基于 64 张 B300 训练不足 5 天，性能对标 Fable 5、GPT‑6 Sol，单任务成本低 30 倍》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：研究者在 Agent Economics 博客放出全新智能体模型 FireFlash，它以 GLM‑5.3‑Flash 作为基底，采用全参数长时序强化学习完成训练，整套训练集群只用 64 张 NVIDIA B300，耗时不到 5 天；在 Terminal‑Bench 4.0 基准测试上 Pass@1 拿到 46.2%，成绩和 Claude Fable 5、GPT‑6 Sol 处在同一梯队，在 DeepSWE v1.1、SWE‑Bench Pro Verified 软件工程测试集上面同样保持对齐水准，在最高推理强度对比之下，FireFlash 的单任务成本比 Fable 5 低 30 倍以上，团队还对外放出完整可复现的训练配方，属于面向终端操作、代码智能体方向的开源路线成果，它主打性能与成本的帕累托最优，不用堆砌海量算力就能摸到前沿智能体的能力门槛。之所以 FireFlash 能用很小算力追上主流前沿智能体，核心是它没有选择从零预训练，而是站在已经成熟的 GLM‑5.3‑Flash 底座之上做全参数强化学习，专门针对 Agent 长时序任务优化；这套训练配方重点优化奖励信号、轨迹采样以及显存调度，把 B300 的算力利用率拉高，减少大量无效训练轮次；传统前沿 Agent 往往需要持续跑昂贵的推理、海量交互样本，而 FireFlash 的方案压缩了交互开销，让同等能力下的推理成本大幅下降。如果想要复现或者落地这套模型，可以沿着这条流程操作，第一步拿到公开的训练配方，确认底座 GLM‑5.3‑Flash 的权重；第二步准备 64 卡 B300 集群，搭建对应的分布式训练框架；第三步配置长时序 Agent 强化学习的数据集与奖励函数；第四步启动训练，在五天周期内持续验证 Terminal‑Bench、SWE 相关基准；第五步训练收敛之后，部署推理服务，对比同任务下和 Fable 5、GPT‑6 Sol 的开销；最后根据业务，调整采样策略，进一步压低线上单任务成本。综合来看，FireFlash 证明强化学习配方可以显著压低前沿智能体的落地门槛，不需要动辄上万张 GPU 投入，就能做出对标商用头部 Agent 的模型；但它的优势集中在终端操控、编程类基准，通用对话、多模态等其他能力没有被这次测试重点覆盖，同时它只是放出训练配方，并不代表成品已经做到全场景超越 Fable 5 和 GPT‑6 Sol。