研究者发布的 FireFlash 长程编程终端智能体，只用 64 张 NVIDIA B300 显卡、不到 5 天完成全参数强化学习训练，在 Terminal-Bench 4.0 基准上 Pass@1 达到 46.2%，性能比肩 Fable 5 与 GPT-6Sol，单任务推理成本相比满强度运行的 Fable 5 低 30 倍以上，同时在 DeepSWE v1.1、SWE-Bench Pro Verified 软件工程测试集上效果也能迁移，给预算有限的团队做 Agent 强化学习提供了低成本训练方案。长程智能体训练一直非常烧显卡，这类任务要连续做几小时终端操作、反复调用工具排错写代码，一旦 rollout 过程出错，大量 GPU 算力直接浪费，之前主流方案大多要上千张卡长时间跑，普通团队很难负担。FireFlash 是基于 GLM-5.3-Flash 底座做全参数 RL 训练，模型规模 300B 级别，团队还直接公开完整训练配方，它的效率提升来自专门适配长、滞后、低精度 rollout 的强化学习方案、难度可控的 Agent 训练环境、配套优化的代码执行框架。整套验证流程是先选定 GLM-5.3-Flash 基座，用 64 卡 B300 集群跑强化学习，再在 Terminal-Bench 4.0、DeepSWE、SWE-Bench Pro Verified 多个编程 Agent 基准上跑分，对比 Fable 5、GPT-6Sol 的官方成绩，核算单任务推理开销，确认性能接近、成本大幅下降，不过这个结果是在固定测试条件下得出，换复杂场景、更长任务链路之后，成本和成功率会出现波动。
一、FireFlash 核心信息清单
- 模型类型：长程终端 / 编程智能体，基于 GLM-5.3-Flash，300B 级
- 训练硬件：64 张 NVIDIA B300
- 训练时长：不足 5 天
- 核心跑分：Terminal-Bench 4.0 Pass@1 = 46.2%
- 对标对象：Fable 5、GPT-6Sol
- 成本优势：单任务成本比最高推理强度 Fable 5 低 30 倍 +
- 额外验证集：DeepSWE v1.1、SWE-Bench Pro Verified
- 产出物：完整训练配方对外公开
- 发布渠道：Agent Economics 博客
二、模型基准与成本对比表
| 模型 | Terminal-Bench 4.0 Pass@1 | 单任务参考成本 | 特点 |
|---|---|---|---|
| FireFlash | 46.2% | 约 0.72 美元 | 64 卡 B300、5 天内完成训练，性价比高 |
| Fable 5（满强度） | 44.55% | 约 22.02 美元 | 性能强，推理开销很高 |
| GPT-6Sol | 同档水平 | 中等 | 商用闭源智能体 |
三、FireFlash 实现低成本的三点技术原因
- 定制 Agent 强化学习环境：挑选难度适配、反馈稳定的训练样本，减少无效 rollout 浪费算力
- 适配长滞后 rollout 的 RL 配方：专门针对长任务、反馈延迟、低精度轨迹优化，降低训练资源消耗
- 优化代码执行框架：训练和评估共用一套轻量化 harness，减少调度开销
四、适用场景与边界说明
✅ 适合场景
- 终端命令行操作、代码调试、bug 修复类编程 Agent
- 预算有限、没有大规模 GPU 集群的研究团队复现 Agent RL
- 长流程工具调用、多步骤连续任务的智能体研发
⚠️ 局限
- 测试结果来自固定基准，超复杂长链路任务的稳定性还需要更多实测
- 成本对比是和 Fable 5 最高推理强度版本对比，不是所有档位
- 属于研究项目，不是商用稳定 API，没有配套生产级运维、限流、安全沙箱
五、训练与评估的大致流程
- 基座选定：GLM-5.3-Flash（总参数 321B，单 token 激活 17.4B）
- 集群配置：64 张 B300，启动全参数强化学习
- 训练控制：使用专门的长程 Agent RL 配方，控制 rollout 长度与难度
- 多基准测试：Terminal-Bench 4.0 为主，补充 DeepSWE、SWE-Bench Pro Verified
- 成本核算：统计单任务推理开销，和 Fable5、GPT-6Sol 做对照
- 开放配方：对外放出训练方案，方便其他团队复现
【相关 FAQ】
问题 1：FireFlash 智能体训练成果曝光，64 张 B300 耗时不到 5 天，性能对标 Fable 5、GPT-6Sol、单任务成本低 30 倍，FireFlash 是基于哪个基座模型训练出来的？
回答 1：FireFlash 智能体训练成果曝光，64 张 B300 耗时不到 5 天，性能对标 Fable 5、GPT-6Sol、单任务成本低 30 倍，FireFlash 是基于 GLM-5.3-Flash 基座做全参数强化学习训练的 300B 级编程终端智能体。
问题 2：FireFlash 智能体训练成果曝光，64 张 B300 耗时不到 5 天，性能对标 Fable 5、GPT-6Sol、单任务成本低 30 倍，FireFlash 在 Terminal-Bench 4.0 上的成绩是多少？
回答 2：FireFlash 智能体训练成果曝光，64 张 B300 耗时不到 5 天，性能对标 Fable 5、GPT-6Sol、单任务成本低 30 倍，FireFlash 在 Terminal-Bench 4.0 的 Pass@1 达到 46.2%，对标 Fable 5、GPT-6Sol。
问题 3：FireFlash 智能体训练成果曝光，64 张 B300 耗时不到 5 天，性能对标 Fable 5、GPT-6Sol、单任务成本低 30 倍，FireFlash 单任务成本低 30 倍是和谁对比？
回答 3：FireFlash 智能体训练成果曝光，64 张 B300 耗时不到 5 天，性能对标 Fable 5、GPT-6Sol、单任务成本低 30 倍，这个 30 倍的成本差距，是对比最高推理强度配置下的 Fable 5。
问题 4：FireFlash 智能体训练成果曝光，64 张 B300 耗时不到 5 天，性能对标 Fable 5、GPT-6Sol、单任务成本低 30 倍，FireFlash 训练的硬件和周期是什么？
回答 4：FireFlash 智能体训练成果曝光，64 张 B300 耗时不到 5 天，性能对标 Fable 5、GPT-6Sol、单任务成本低 30 倍，FireFlash 使用 64 张 NVIDIA B300 显卡，在不到 5 天的时间完成强化学习训练。
【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！）腾讯新闻
[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！）搜狐网
[2026-11-12]（FireFlash: An Open Recipe for Long-Horizon Agentic RL Achieving the Performance-Cost Pareto Frontier）Agent Economics 博客
[2026-11-06]（FireFlash Releases Agentic Reinforcement Learning Model）Neural Wire
[2026-11-03]（Un agente de GLM supera la Fábula 5 de Anthropic con un coste de tarea 30 veces menor）FourWeekMBA
【免责声明】
本文仅为 FireFlash 智能体研究成果资讯解读，不构成模型选型、线上部署建议。跑分、成本数据来自研究者公开博客与基准测试，仅在特定测试条件下成立；不同任务复杂度、推理策略、沙箱环境会改变成功率与开销；FireFlash 属于研究项目，没有商用服务保障，线上直接使用带来的安全、稳定性、成本风险由使用者自行承担。