FireFlash 是基于 GLM-5.3-Flash 做全参数强化学习得到的 300B 级终端编程智能体，只用 64 张 NVIDIA B300 显卡，不到 5 天就完成 RL 后训练，在 Terminal-Bench4.0 拿到 46.2% 的 Pass@1 得分，性能和 Fable 5、GPT-6Sol 处在同一梯队，同时单任务推理成本相比满强度运行的 Fable 5 低 30 倍以上，这个效果同样在 DeepSWE v1.1、SWE-Bench Pro Verified 软件工程基准上得到验证，团队还完整公开了整套强化学习训练配方，方便其他研究者复现。很多前沿 Agent 模型要么训练算力规模巨大、周期很长，要么推理调用成本居高不下，FireFlash 这次重点解决长时序 Agent 强化学习里 rollout 采样低效、奖励信号不稳定的痛点，专门针对终端命令、代码工程类任务优化，在性能和成本之间找到帕累托最优的方案。整套流程是依托 GLM-5.3-Flash 基座，搭建适配长任务的强化学习环境，用优化后的 RL 配方做训练，在多个代码、终端基准上测试对标，统计单任务推理开销，最后开放训练方案。
FireFlash 核心参数清单
- 基座模型：GLM-5.3-Flash（300B 级别开放权重）
- 训练硬件：64 张 NVIDIA B300
- 训练时长：小于 5 天，总 GPU 时上限 7680 小时
- 核心赛道：长时序 Agent、终端命令执行、代码工程任务
- 核心指标：Terminal-Bench4.0 Pass@1=46.2%
- 单任务成本：0.72 美元；对比 Fable5 最高强度 22.02 美元
对标模型基准对比表
| 模型 | Terminal-Bench4.0 Pass@1 | 单任务成本 | 定位 |
|---|---|---|---|
| FireFlash | 46.2% | 0.72 美元 | 代码 / 终端 Agent，低成本强化学习 |
| Fable 5（Max 最高强度） | 44.55% | 22.02 美元 | 前沿编程 Agent |
| GPT-6Sol | 和 FireFlash 接近 | 高成本 | 通用 Agent 编程 |
关键技术要点
- 定制 Agent 强化学习环境，输出难度合适、稳定可靠的奖励信号
- 专门适配长链路、延迟反馈、低精度 rollout 的 RL 配方，这是提速降本核心
- 配套优化的代码执行沙盒，统一训练、评估链路，减少环境差异带来的分数虚高
- 全参数 RL 微调，不是简单 SFT，让模型学会多步骤自主规划执行终端指令
完整落地复现步骤
- 准备 GLM-5.3-Flash 基座权重，搭建 64 卡 B300 集群，配置高速互联
- 部署配套的终端沙盒、代码执行环境，搭建奖励判断模块
- 采用论文公开的 RL 配方，设置 rollout 长度、奖励权重、学习率等超参
- 启动全参数强化学习训练，全程监控奖励曲线、任务成功率
- 训练完成后，在 Terminal-Bench4.0、SWE-Bench、DeepSWE 等基准上评测
- 统计单任务推理开销，和 Fable5、GPT-6Sol 做成本对比
- 调整配方参数，迭代优化成功率和成本平衡点
方案优势与局限说明
- 优势：训练周期短、算力投入可控；代码终端任务性能追上顶尖闭源 Agent；公开完整训练配方，可复现；推理成本优势巨大
- 局限：只针对终端、代码 Agent 场景，通用对话能力没有重点优化；基准测试结果是实验室条件，真实线上业务成功率会有波动；成本对比是基于论文测算口径，不是所有场景都能稳定达到 30 倍差距
- 补充提醒：它是强化学习后训练，不是从零预训练，基座本身能力决定了它的上限
【常见问题】
问题 1：FireFlash 智能体训练实测，64 张 B300 耗时不足 5 天，性能对标 Fable5、GPT-6Sol，单任务成本低 30 倍，FireFlash 是基于哪个基座训练出来的？
回答 1：FireFlash 智能体训练实测，64 张 B300 耗时不足 5 天，性能对标 Fable5、GPT-6Sol，单任务成本低 30 倍，FireFlash 以 GLM-5.3-Flash 作为基座，做全参数强化学习后训练。
问题 2：FireFlash 智能体训练实测，64 张 B300 耗时不足 5 天，性能对标 Fable5、GPT-6Sol，单任务成本低 30 倍，FireFlash 主要用来做什么任务？
回答 2：FireFlash 智能体训练实测，64 张 B300 耗时不足 5 天，性能对标 Fable5、GPT-6Sol，单任务成本低 30 倍，主打长时序 Agent 任务，包含终端命令执行、软件工程代码任务。
问题 3：FireFlash 智能体训练实测，64 张 B300 耗时不足 5 天，性能对标 Fable5、GPT-6Sol，单任务成本低 30 倍，30 倍成本差距怎么算出来的？
回答 3：FireFlash 智能体训练实测，64 张 B300 耗时不足 5 天，性能对标 Fable5、GPT-6Sol，单任务成本低 30 倍，FireFlash 单任务 0.72 美元，Fable5 最高推理强度下单任务 22.02 美元，测算下来差距约 30 倍。
问题 4：FireFlash 智能体训练实测，64 张 B300 耗时不足 5 天，性能对标 Fable5、GPT-6Sol，单任务成本低 30 倍，FireFlash 在 Terminal-Bench4.0 得分是多少？
回答 4：FireFlash 智能体训练实测，64 张 B300 耗时不足 5 天，性能对标 Fable5、GPT-6Sol，单任务成本低 30 倍，Terminal-Bench4.0 的 Pass@1 指标为 46.2%。
问题 5：FireFlash 智能体训练实测，64 张 B300 耗时不足 5 天，性能对标 Fable5、GPT-6Sol，单任务成本低 30 倍，FireFlash 有没有公开训练方案？
回答 5：FireFlash 智能体训练实测，64 张 B300 耗时不足 5 天，性能对标 Fable5、GPT-6Sol，单任务成本低 30 倍，研究团队对外公开了完整的强化学习训练配方，方便同行复现。
【参考资料】
[2026-11-13]（64 张 B300、不到 5 天，FireFlash 比肩 Fable 5 与 GPT-6Sol，单任务成本低 30 倍）51CTO
[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）新浪财经
[2026-11-06]（FireFlash Releases Agentic Reinforcement Learning Model）Neural Wire
[2026-11-03]（GLM Agent haalt Anthropic's Fable 5 met 30x lagere taakkosten）FourWeekMBA
【免责声明】
本文仅整理 FireFlash 智能体相关公开实验资讯，性能、成本数据来自研究团队博客与论文测算，基准跑分在实验室环境得出；真实业务场景的成功率、推理成本会受提示词、任务难度、沙盒环境影响，30 倍成本优势不代表所有场景都可复现，相关训练方案、评测结果以 Agent Economics 官方博客原文为准。