想進OpenAI？先解出這道題，百萬美元算力已就位

機器之心編輯部

OpenAI 發起全新挑戰：你，準備好迎戰了嗎？

這次挑戰，看起來有些反常識。

參與者需要在固定的 FineWeb 數據集上盡可能降低驗證損失，同時將模型產物（包含權重與訓練代碼）控制在 16 MB 以內，并在 8 張 H100 GPU 上于 10 分鐘內完成訓練。

這幾乎把所有堆參數、拼算力的暴力解法一刀封死。剩下的，只有結構設計、極致壓縮、策略取舍，以及一點點工程上的巧勁。

這便是 OpenAI 發起的 Model Craft Challenge 「Parameter Golf」項目，一項旨在訓練最優小模型的挑戰。

Parameter Golf 地址：https://github.com/openai/parameter-golf

從名字也能看出來，它借鑒的是高爾夫球的玩法。高爾夫比賽的目標是用最少的桿數把球打進洞，每一桿都要精打細算，追求極致的效率和策略。而「Parameter Golf」則是要用最少的參數完成模型任務，追求模型壓縮、效率優化的技術極限。

OpenAI 表示，該挑戰面向全球開放，旨在在嚴格資源約束下探索更高效的預訓練模型。表現突出的參與者可能會被邀請參加 OpenAI 的面試機會，獲勝方案也有可能被公開展示。

賽題設計上，該挑戰在很大程度上借鑒了 NanoGPT Speedrunning 的思路，即在盡可能短的時間內將模型訓練到指定的驗證損失水平。在此基礎上，OpenAI 更進一步，將重點放在參數受限的條件下，探索更高效的模型設計。這種設定有望推動研究者嘗試多種創新路徑，包括新型架構設計、壓縮方法以及各類具有創造性的訓練與推理策略。

在資源設定上，OpenAI 原本希望允許參賽者使用任意規模的算力，但為了降低參與門檻并控制成本，排行榜提交被限制在 8 張 H100 GPU、10 分鐘訓練時間以內。同時，對于不滿足這一算力限制的方案，OpenAI 也鼓勵大家提交至非記錄板塊，以持續探索參數受限條件下的性能上限。

考慮到算力成本問題，OpenAI 還提供了總額 100 萬美元的算力支持，用于幫助參與者啟動和推進模型訓練。

申請地址：https://openai.com/index/parameter-golf/

從某種意義上說，這場 Model Craft Challenge 更像一場 AI 界的奧賽。OpenAI 內部不少研究員，正是當年在數學、編程競賽中一路打怪升級出來的。因此，這次挑戰看重的也不是誰資源多，而是誰能在陌生約束下，用創造力和嚴謹性把問題解到極致。

更現實一點的激勵是：OpenAI 計劃在今年 6 月招一批早期研究人才，重點面向本科生和應屆畢業生，包括各類競賽選手。對于表現亮眼的人來說，這場挑戰本身就可能成為一塊敲門磚。

這次挑戰時間從3 月 18 日持續到 4 月 30 日

如何參與？

OpenAI 提供了一個 GitHub 倉庫，其中包含基線模型、固定數據集以及評測腳本。你可以 fork 這個倉庫，在滿足模型大小和算力限制的前提下進行改進，并提交一個 PR（拉取請求），其中包括你的代碼、日志、成績以及一份簡短說明。審核通過后，你的結果會被合并，排行榜也會自動更新。你還可以申請來自 Runpod 的免費算力額度（數量有限，先到先得）。

最后，OpenAI 還回答了一些大家比較關心的問題。

提問：誰可以參與？

OpenAI：本次挑戰原則上面向年滿 18 歲、且位于 OpenAI 支持地區的人員開放。完整的參與資格要求可在詳細的條款與條件中查看。需要注意的是，OpenAI 的員工可以參與，但無法獲得算力額度獎勵。

提問：哪些內容會計入 16MB 的產物大??？

OpenAI：提交的產物大小由兩部分組成：代碼體積 + 壓縮后的模型體積。所有計入大小的代碼必須放在 train_gpt.py 腳本中。上限為十進制的 16MB（即 16,000,000 字節），而不是 16 MiB（16,777,216 字節）。在評測過程中，不允許進行任何外部下載、訪問訓練數據集或發起網絡請求。整個產物必須是完全自包含且可復現的。

提問：評測階段有哪些限制？

OpenAI：我們不會接受在 8 張 H100 GPU 上評測時間超過 10 分鐘的提交（注意：這一限制是在允許的 10 分鐘訓練時間之外額外計算的！）。除此之外，評測方式基本不做限制，你可以自由設計評測流程。和 modded-nanogpt 類似，我們允許在任意序列長度上進行評測。

提問：如果算力用完了，還可以再申請嗎？

OpenAI：可以。你可以通過申請表繼續申請額外的算力額度，以支持持續迭代。不過，提交申請并不保證一定會獲得算力支持。我們的目標是讓更多人參與，因此算力額度取決于資源是否充足，數量有限。如果申請通過，相關算力額度將在幾個工作日內通過 Runpod 發放。

提問：可以多次參與嗎？

OpenAI：可以！你可以提交多次參賽作品。

提問：可以以團隊形式提交結果嗎？

OpenAI：不可以。提交結果僅限個人參與。

這場比賽，大家看法并不一樣

對于這場挑戰賽，網友的評論也出現了明顯分歧。

LinkedIn 上有評論稱：「這才是真正識別優秀工程師的方式——看他們在內存、時間、計算受限時的權衡，而不是靠資歷?！?/p>

有人因此受到了鼓舞。

但也有人擔心其他公司效仿，但又學走了樣，只白嫖方案，不招人。

但這種擔憂，很快把討論引向了另一個更有意思的問題：既然是模型設計與優化，本身就是 AI 最擅長的領域，那這件事，是否本該交給 AI 來做？也正是這樣，圍繞人類 vs Agent的討論逐漸升溫。

這位 X 用戶認為 OpenAI 本應已經用 AI Agent 全自動做這件事了，而且 Agent 應該已經比人更強。OpenAI 還在用「人類比賽」的形式做參數優化，有點復古。

知名AI研究者 Yuchen Jin也表示，這個比賽可以用AI Agent來完成，如果自己有時間，完全可以召喚自己的「自動研究大軍」（AI Agent 集群）去打比賽。

你怎么看，歡迎評論區留言。