SkyRL v0.4 发布：16 张 B300 可 RL 训练万亿参数模型

2026 年 10 月 3 日，开源 RL 后训练框架 SkyRL 发布 v0.4.0 版本，重点解决超大模型强化学习训练的显存瓶颈。报道称，该版本借助 LoRA、INT4 推理服务与训练侧伪量化等技术，仅需 16 张 B300 GPU（2 个节点）即可对 1 万亿参数的 Kimi K2.7 进行全上下文强化学习训练。SkyRL 作者表示，这是目前显存效率最高的实现之一，显著降低了万亿参数级模型 RL 后训练的硬件门槛。目前该事件仅有这一条报道，尚无其他独立来源或后续进展信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。