535B大模型，开始“直播”训练了：这次连过程都给你看

见过开源的模型。也见过代码、数据、权重全公开的模型。

但你见过“直播训练过程”的大模型吗？

斯坦福教授 Percy Liang 干了一件大事：他的 Marin 实验室，开始公开训练一个 5350 亿参数的 MoE 大模型。三个月，18.75 万亿 token，792 块英伟达 GB200 显卡。

听起来又是一次“烧钱训练”？关键是过程。训练配置、损失曲线、数据组成，全部实时公开。怎么试错、怎么改、哪次失败了，都有记录。外人可以像盯 GitHub 项目一样，围观一场 535B 模型的训练全程。

这搁以前想都不敢想。各家大厂把训练当命根子捂着，能给你看的只有最后那版权重。你看到“结果”，看不到“过程”：为什么这么调参、哪次实验翻车了、中间改过什么。就跟只看成品菜、不给菜谱似的。

Marin 搞的是“开放实验室”：每个实验先在 GitHub 上立 Issue，讲清楚要试什么、赌什么；配置用 Pull Request 提交，同行可以来 review；开跑之后，训练指标全公开，连失败实验都留痕。

这套玩法不是没人试过。BLOOM、Pythia、OLMo 都开放过数据、代码、检查点。但 Marin 往前多迈了一步：把“为什么这么练、怎么改的”整个思考过程，也摆上了台面。

消息一出，Percy Liang 的帖子浏览量突破 80 万。吴恩达亲自转发，说这是当下 AI 开源里难得的“珍贵示范”——不只是公开模型代码，连数据、训练配方、实验过程都摊开给你看。

有个点值得琢磨：开源这件事，以前比的是“谁给得多”，现在是“谁给得真”。给权重，是把饭做好端你面前；连训练过程都公开，是把菜谱、火候、翻车记录全给你——这是把“吃饭的人”变成“能上手做饭的人”。

大模型圈，第一次有人把“炼丹炉”搬到了大街上。不管最后这个 535B 练出来强不强，光是“过程能看”，就已经是行业头一回了。