deepseek-v3 训练成本

看到「某个大模型训练花了多少钱」的说法，你大概率想知道两件事：这钱到底花在哪几块，以及这个数字跟你自己做的事有没有关系。这篇不讲结论、不背数字，只给一套拆解框架和核对路径：先把成本分成几块，再看每块的口径差异在哪，最后说清什么情况下这套拆法不适用。

看到「某个大模型训练花了多少钱」的说法，你大概率想知道两件事：这钱到底花在哪几块，以及这个数字跟你自己做的事有没有关系。网上流传的版本通常是掐头去尾的一个总数，既不说包含什么，也不说按什么口径算，拿来当参考很容易跑偏。

这篇不讲结论、不背数字，只给一套拆解框架和核对路径：先把成本分成几块，再看每块的口径差异在哪，最后说清什么情况下这套拆法不适用。想找当期数字，正文里会告诉你站内该去哪儿看。

把训练成本拆成四块，先别急着加总

训练一个大模型，钱不是从一笔账里出去的，至少横跨四类支出。把总数直接除以某个单一维度，几乎一定会得出误导性的结论。先把四块分开列，再谈加总，是判断任何公开说法靠不靠谱的第一步。

算力

通常是账面最大一块，但取决于卡型、租还是买、连续跑多久，口径差一点结果差很多

数据与标注

清洗、标注、版权授权，是有合规要求时最容易漏算的一块

人力与工程

调参、故障排查、数据管道维护，按人月折算

试错与重跑

失败的实验、回滚、中途改方案，最难估但真实存在

• 算力支出先分清「自有卡折旧」和「临时租用」两种记法，混在一起算没有意义；
• 数据这块要问清是自采、采购还是授权，授权类通常按周期付费而不是一次性；
• 人力按参与人数乘以项目周期估算，宁可估宽一点，别按峰值团队人数拍脑袋；
• 试错部分建议单独留一栏，不要塞进算力里，否则复盘时根本看不出钱漏在哪。

公开说法里的数字，口径往往不一样

同样是「训练成本」，两个来源报出来的数字可能差一个量级，原因大多不在算错，而在口径不同。想判断一个数字能不能用，不要去争论它对不对，先把它拆成可核对的几项：包含什么、按什么硬件、跑了多久。

判断方法很简单：先问这块数字包含哪几项、按什么卡型、连续跑了多久，再看它跟你的场景像不像。如果对方连这三项都说不清，那这个数字只能当谈资，不能进预算表。

1. 第一步：问范围确认对方报的是纯算力费还是总支出，把电费、网络、折旧、人力逐项问一遍
2. 第二步：问硬件自有集群还是租卡，卡型是什么，这一项直接决定账面金额的量级
3. 第三步：问时长是单次完整训练，还是把失败重跑都算进去了，两种口径差得很远
4. 第四步：对场景把这三项跟自己的任务对照，像就拿去估算，不像就只看比例关系

自己估一遍的顺序：先卡时，再乘单价，最后加余量

与其纠结别人的数字准不准，不如自己按一套固定顺序估一遍。顺序错了，后面怎么算都是白费。这套顺序的核心是：先把物理量算出来，再换成钱，最后加不确定性。

第一步定规模：参与训练的卡数量乘以连续跑的天数，得到卡时。这一步只涉及硬件和工期，不涉及价格。第二步再去看当期租金水平，把一个卡时换算成钱，具体数字到站内价格页核对，不要用记忆里的旧值。

• 先算卡时：卡数 × 连续天数，得到一个物理量；
• 再换单价：去站内算力价格相关页面看当期水平，别用旧印象；
• 加余量：数据准备、调试、失败重跑，在纯训练时长之上再留一截；
• 单列人力与数据：不要混进算力，否则复盘时找不出钱花在哪；
• 标明假设：把「已知项」和「估算项」分开写，估算项写清前提条件。

第三、四步是最容易被省略的，但恰恰是决定估算靠不靠谱的地方。余量留多少没有标准答案，取决于方案成熟度和硬件稳定性，保守一点总比事后补预算强。

这个数字对你有没有参考价值

训练成本这个数字，对不同人价值完全不同。它只对「要不要自建、要不要做预训练级别投入」这类决策有直接意义，对大多数只用 API 或做微调的团队来说，参考价值有限。

如果你在评估要不要自建，训练成本只是一部分，硬件采购、机房运维、人力都要一起算，单看训练那一项会严重低估长期投入。如果你只是做预算上报，把「已知项」和「估算项」分开写，估算项标明假设条件，比给一个看起来很精确的数字更稳。

不适用的情况也要说清楚：模型是否开源、是否用了自研芯片、是否有内部集群，这些前提不同，横向对比意义有限。拿一个有自建集群的团队的数据，去推一个纯租卡团队的成本，结论基本不可用。