VLA-koulutuksen hinta: Mitä hienosäätökerta todella maksaa

Laskussa on neljä riviä, ja GPU on niistä pienin

Kun ihmiset kysyvät, mitä maksaa hienosäätää visio-kieli-toimintamalli SO-100:lle, he tarkoittavat melkein aina GPU:n vuokraa. Se on luku, joka näkyy veloituksena kortilla, joten se tuntuu todelliselta. Se on myös, suurella marginaalilla, pienin neljästä luvusta, jotka päättävät, mitä toimiva politiikka todella maksaa sinulle.

Alla olevat koulutusajat ovat peräisin viiden mallin omista papereista ja arkistoista, laitteistokustannukset julkaistuista materiaalikustannuslaskelmista, alustanumerot AY-Robotsin käytäntöluettelosta ja hinnoittelusivulta. Jos alusta ei auta, tämä artikkeli mainitsee sen.

Mitä GPU-tunti todellisuudessa maksaa spot-markkinoilla

A100-tunnille ei ole yhtä hintaa. vast.ai:n kaltaisella markkinapaikalla jokainen isäntä asettaa oman hintansa, ja koulutusajo jonka käynnistät, laskeutuu siihen koneeseen, joka on sillä hetkellä halpa ja vapaa. Rehellinen vastaus on jakauma. Tässä se on, mitattuna 23. elokuuta 2026 klo 13:44 UTC: yksittäiset täydet kortit, on demand, suodatettuna todellisen VRAMin mukaan.

# Live, full-card, single-GPU, on-demand offers from the vast.ai public bundle API.
# No account and no API key needed. gpu_ram is in MB, so an 80 GB card is >= 80000.
python3 - <<'PY'
import json, statistics, urllib.parse, urllib.request

def offers(name, min_ram):
    q = {"rentable": {"eq": True}, "num_gpus": {"eq": 1}, "gpu_name": {"eq": name},
         "order": [["dph_total", "asc"]], "limit": 500, "type": "on-demand"}
    url = "https://console.vast.ai/api/v0/bundles/?q=" + urllib.parse.quote(json.dumps(q))
    with urllib.request.urlopen(url, timeout=60) as r:
        return [o for o in json.load(r)["offers"]
                if o["gpu_frac"] == 1.0 and o["gpu_ram"] >= min_ram]

groups = {
    "RTX 4090 24 GB": (["RTX 4090"], 24000),
    "RTX 5090 32 GB": (["RTX 5090"], 30000),
    "A100 80 GB":     (["A100 PCIE", "A100 SXM4"], 80000),
    "H100 80 GB":     (["H100 SXM", "H100 PCIE"], 80000),
    "H100 NVL 94 GB": (["H100 NVL"], 90000),
}
for label, (names, min_ram) in groups.items():
    o = [x for n in names for x in offers(n, min_ram)]
    if not o:
        print(label, "no offers"); continue
    p = sorted(x["dph_total"] for x in o)
    b = sorted(x["min_bid"] for x in o if x.get("min_bid"))
    bid = f"{b[0]:.2f}" if b else "n/a"
    print(f'{label}: n={len(p)} | {p[0]:.2f} / {statistics.median(p):.2f} / {p[-1]:.2f}'
          f' USD/h | bid floor {bid}')
PY

Miksi 3B-mallit eivät voi käyttää edullista korttia

4090 tunnin ja H100 80 GB tunnin välillä on noin kuusinkertainen ero yllä olevien mediaanien mukaan. Se, mikä pakottaa sinut kalliille kortille, ei ole nopeus, vaan muisti. openpi asettaa täyden Pi0.5:n alarajan hienosäätö 70 GB:iin, ja NVIDIA suosittelee 40 GB:tä tai enemmän GR00T:lle. Huomaa, mitä GR00T-luku ei ole. Sen hienosäätökonfiguraatio jäädyttää kielimallin ja visuaalisen enkooderin oletuksena (tune_llm ja tune_visual ovat False, projektori ja diffuusiopää True), minkä vuoksi luettelossa on noin 40 miljoonaa koulutettua parametria 3 miljardista. 40 GB ei ole optimoijan tila 3 miljardin painoille, vaan se on jäädytetty runko ja aktivaatiot. Pienemmän mittakaavan variantit vaativat vähemmän: openpi:n LoRA-polku tarvitsee 22.5 GB ja mainitsee 4090:n, ja NVIDIAn Isaac Lab Arena -työnkulku listaa 24 GB:n yhden GPU:n vaihtoehdon GR00T:n jälkikoulutukseen. Alusta perustuu kunkin toimittajan julkaisemiin vähimmäisvaatimuksiin sille kokoonpanolle, jota se todella käyttää. pi0:n virtaussovituksen selitys selittää, mistä tuo virtaussovitus jalanjälki tulee.

Tämä taulukko selittää, miksi alusta jakaa viisi mallia kahteen tasoon. GR00T N1.7, GR00T N1.5 ja Pi0.5 käyttävät A100 80 GB:tä tai H100:aa, koska sitä toimittajat vaativat. SmolVLA ja ACT käyttävät RTX 4090:tä tai mitä tahansa 24 GB:n korttia, koska se on aidosti riittävä.

Kuinka kauan kukin viidestä mallista todella toimii

Ajoaika on toinen puoli kustannuksista: 2.00 USD tunnissa on merkityksetöntä, jos työ kestää 40 minuuttia, ja tuhoisaa, jos se kestää 40 tuntia. Nämä ovat oletusarvot, jotka AY-Robots todella lähettää kouluttajalle, sisältäen ajoikkunan ja kustannukset kullekin tasolle.

Mistä nämä ajoikkunat ovat peräisin ylävirrasta

• SmolVLA: lerobot-dokumentaatio ilmoittaa, että 20 000 askelta kestää noin 4 tuntia yhdellä A100:lla. Alusta ajaa samat 20 000 askelta halvemmalla 24 GB:n tasolla, mistä johtuen kyseessä on ikkuna eikä tasainen 4 tuntia.
• ACT: alkuperäinen ALOHA-julkaisu raportoi noin 5 tuntia yhdellä 11 GB:n RTX 2080 Ti:llä 80 miljoonan parametrin mallille. 4090 on useita sukupolvia uudempi, mutta alusta budjetoi 100 000 askelta, joten ikkuna sijoittuu samaan kohtaan.
• GR00T: NVIDIAn viitetyönkulku N1.6-sukupolvelle ilmoittaa noin 4–8 tuntia 20 000 askeleelle eräkoolla 24 kahdeksalla L40S-kortilla, ja 2–3 tuntia 30 000 askeleelle eräkoolla 16 yhdellä Ada 6000:lla. Yhden kortin hienosäätö 3B VLA:lle muutamassa tunnissa on normaalia, ei optimistista.
• Pi0.5: openpi ei julkaise todellista kellonaikaa, mutta se julkaisee 70 GB:n alarajan täydelle hienosäädölle, mikä määrittää kortin ja siten nopeuden.

Kannattaa pysähtyä miettimään lukua, jota et maksa. GR00T N1 -julkaisu raportoi noin 50 000 H100 GPU-tuntia 2.2B-mallin esikoulutukseen, jopa 1024 GPU:n klusterilla, esikoulutuksen eräkoolla 16 384 ja 200 000 gradienttiaskeleella. Yllä mitatulla 1.34–2.34 USD per tunti hinnalla tämä on suuruusluokkaa 67 000–117 000 USD vuokrattua laskentatehoa. SmolVLA-julkaisu arvioi projektinsa noin 30 000 GPU-tuntiin yli 481 yhteisön datasettien, 22.9K episodin ja 10.6M kuvan osalta. Perit kaiken tämän latauksen hinnalla; 8 USD:si ostaa viimeiset 20 000 askelta. Miksi VLA:t rakennetaan tällä tavalla käsittelee tätä jakoa.

Käsi: kertaluonteinen kustannus, joka saa GPU-laskun näyttämään mitättömältä

Koulutusajo maksaa vähemmän kuin lounas. Robotti ei. Siksi SO-100 on tärkeä: se on halvin varsi, jota koko jäljittelyoppiminen työkaluketju todella tukee.

SO-ARM100-repositorion ylävirran osaluettelo on yksityiskohtaisempi ja kannattaa tarkistaa alueesi mukaan: sen Osat kahdelle varrelle -luettelon kokonaissumma on 229.88 USD tai 226.30 EUR johtaja- ja seuraaja-asetelmalle, ja sen Osat yhdelle seuraajavarrelle -luettelon kokonaissumma on 121.94 USD tai 124.30 EUR. Kuusi STS3215-servoa hintaan 13.89 USD kappale ovat 83.34 tuosta 121.94:stä, joten servot ovat varsi. Yhdellä SmolVLA- tai ACT-ajolla, joka maksaa 1–3 USD, yksi varsipari on 77–230 koulutusajon arvoinen. Jos olet vielä valitsemassa, SO-100 vs. SO-101 on vertailu, jolla on merkitystä, koska nämä kaksi ovat riittävän lähellä toisiaan, jotta päätös koskee saatavuutta eikä suorituskykyä.

Ihmistunnit: rivi, jota kukaan ei laita laskentataulukkoon

Tämä on luku, joka kääntää kustannuskeskustelun ylösalaisin. Demonstraatioiden tallentaminen tarkoittaa, että henkilö liikuttaa robottikättä, yksi episodi kerrallaan, reaaliajassa. Sitä ei voi käsitellä erissä eikä vuokrata sekunnin tarkkuudella. LeRobot-aineisto tallennin toimitetaan oletusasetuksilla, jotka tekevät laskennasta helppoa, kaikki kolme vahvistettu kohteessa DatasetRecordConfig: 60 sekuntia per episodi, 60 sekuntia kohtauksen nollaamiseen, 50 episodia. Alla oleva rahasarake olettaa 15 USD tunnilta jonkun ajasta, mikä on oletus eikä alustan luku. Korvaa omalla hinnallasi; suhde on olennainen.

1. 1
   Tallenna aineisto oletusasetuksilla, joista sinua todellisuudessa laskutetaan

   Tämä on lerobot 0.6.1, PyPI:n versio 3. elokuuta 2026. Huomaa CLI:n muoto: tallennus tapahtuu lerobot-record konsolin sisääntulopisteen (lerobot.scripts.lerobot_record) kautta, ei vanhan python -m lerobot.scripts.record moduulipolun kautta. AY-Robots kohdistuu versioon 0.5.1, ja 0.5.1-pyörä ilmoittaa samat lerobot-record ja lerobot-train sisääntulopisteet, joten alla oleva muoto on vakaa molemmissa. Kolme ajoituslippua ovat ylävirran oletusarvoja, joten tämä on myös komento, jonka seuraavan taulukon laskenta olettaa.

   bash

   lerobot-record \
       --robot.type=so100_follower \
       --robot.port=/dev/ttyACM0 \
       --robot.id=my_follower_arm \
       --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30} }" \
       --teleop.type=so100_leader \
       --teleop.port=/dev/ttyACM1 \
       --teleop.id=my_leader_arm \
       --dataset.repo_id=${HF_USER}/pick-place-cube \
       --dataset.num_episodes=50 \
       --dataset.episode_time_s=60 \
       --dataset.reset_time_s=60 \
       --dataset.single_task="Grab the black cube and put it in the bin"

2. 2
   Katso, mitä tallensit, ennen kuin vuokraat yhtäkään GPU-minuuttia

   Aineiston tarkastelu maksaa nolla USD tunnilta. Saman ongelman löytäminen häviökäyrästä maksaa 2.00 USD tunnilta H100-tasolla ja kertoo sinulle neljä tuntia myöhässä. Siirrä aineisto ja selaa sitä LeRobot-katseluohjelmassa, tai selaa AY-Robotsin aineistohakemistoa.

   bash

   # the recorder pushes to the Hub by default; disable with --dataset.push_to_hub=False
   echo https://huggingface.co/datasets/${HF_USER}/pick-place-cube
   
   # then open https://huggingface.co/spaces/lerobot/visualize_dataset
   # and scrub through episodes: are both camera streams alive on every episode?
   # is the gripper actually closing? does the arm sit at a joint limit?

3. 3
   Kouluta ja varmista, että tarkistuspiste säilyy podin jälkeen

   Vuokrattu kone on määritelmällisesti väliaikainen, joten kirjoita tarkistuspisteet johonkin kestävään paikkaan ajon aikana. Kaksi lippua päättää, pidätkö sen, mistä maksoit. --save_freq oletusarvo on 20 000 askelta, joten oletusarvoinen 20 000 askeleen SmolVLA-ajo kirjoittaa ensimmäisen tarkistuspisteensä, kun ajo on jo ohi; laske sitä ennen kuin vuokraat mitään keskeytettävää. --save_checkpoint_to_hub vaatii --policy.repo_id eikä sitä ole lerobot 0.5.1:ssä, joten siinä versiossa kopioit tuloshakemiston koneelta itse. Alla oleva eräkoko on ylävirran dokumentaation esimerkki; AY-Robots-lomake lähettää 2 SmolVLA:lle ja kirjoittaa objektitallennustilaan tarkistuspisteiden ilmestyessä.

   bash

   lerobot-train \
       --policy.path=lerobot/smolvla_base \
       --dataset.repo_id=${HF_USER}/pick-place-cube \
       --batch_size=64 \
       --steps=20000 \
       --save_freq=2000 \
       --output_dir=outputs/train/my_smolvla \
       --job_name=my_smolvla_training \
       --policy.device=cuda \
       --policy.repo_id=${HF_USER}/my_smolvla \
       --save_checkpoint_to_hub=true

Vertaa oikeanpuoleista saraketta 1–12 USD:n ajokustannuksiin. Oletetulla hinnalla 50 jakson aineiston tallentaminen maksaa kaksi tai seitsemän kertaa enemmän kuin sen perusteella harjoittelu, ennen kalibrointia, kameran asetuksia ja pois heitettäviä jaksoja. Siksi tietojen saaminen oikein ensimmäisellä kerralla on suora rahallinen arvo. LeRobot-opas ehdottaa vähintään 50 jaksoa, 10 jaksoa per objektin sijainti; SmolVLA-dokumentaatio raportoi, että 25 jakson versio samasta tehtävästä ei ollut riittävä.

Mihin rahat todellisuudessa katoavat

1. Ajot tiedoilla, jotka eivät koskaan olisi toimineet

20 000 askeleen GR00T-ajo aineistolla, jossa kaksi kameravirtaa on vaihdettu, maksaa saman verran kuin ajo puhtaalla aineistolla, vie saman ajan ja tuottaa tappiokäyrän, joka näyttää hyvältä. Vika ilmenee robotin varressa tunteja myöhemmin. Harjoitusaskeleet laskutetaan tunneittain ja diagnoosi päivittäin. Kaksi muistamisen arvoista oiretta: tappio laskee, mutta toimintamalli ei tee mitään tarkoittaa yleensä, että havainnot eivät sisällä sitä, mitä tehtävä tarvitsee, ja toimintamalli toimii vain yhdessä asetelmassa tarkoittaa, että aineistossa oli vähemmän vaihtelua kuin luulit.

2. Perusmallien hintojen maksaminen kiinteän kameran tehtävästä

ACT on noin 80 miljoonan parametrin malli ja se suunniteltiin koulutettavaksi alusta alkaen 50 demonstroinnilla yhdestä tehtävästä. GR00T N1.7 on noin 3 miljardin parametrin malli esikoulutetulla selkärangalla. Kiinteästi asennetulle kameralle, kiinteälle pöydälle ja yhdelle objektille 80 miljoonan parametrin malli pääsee usein perille, toimii noin 20 ms per toiminta-askel 152 ms sijaan, ja maksaa 1–3 USD per ajo 4–12 USD sijaan. Käytä 3 USD selvittääksesi, toimiiko halpa malli, ennen kuin käytät 12 USD kalliiseen. ACT vastaan SmolVLA ja GR00T N1.7 vastaan Pi0.5 näyttävät, missä kukin lakkaa olemasta oikea vastaus; malliareenalla on 85 mallia ja 332 vertailutulosta.

3. GPU, jonka unohdit

Halvin virhe estää ja yleisin tehdä. Perjantaina käynnistetty instanssi jonkin virheenkorjaukseen laskuttaa koko viikonlopun samalla hinnalla kuin todellinen ajo.

AY-Robotsissa tämä vika on eliminoitu päättelyä varten: päättely-API:n tarjoamat podit sisältävät tyhjäkäyntivahtikoiran ja tuhoavat itsensä tyhjäkäyntijakson jälkeen. Jos vuokraat kortin itse, tämä vahtikoira on kalenterimuistutuksesi.

4. Samasta vastauksesta maksaminen kahdesti

GR00T:n hienosäädön aloituspiste on tyro CLI, joka ei paljasta siementä. Tämä ei ole alustarajoitus, vaan se on ylävirran työkalu: siemenkenttää ei ole tiedostossa gr00t/configs/finetune_config.py, ja repositorion omat koulutusvinkit varoittavat, että ajot vaihtelevat 5–6 prosenttia, koska kuvien augmentaatiot ovat epädeterministisiä. lerobot oletusarvoisesti käyttää siementä 1000 sekä versioissa 0.5.1 että 0.6.1, joten ACT-, SmolVLA- ja Pi0.5-ajot voidaan ainakin ajaa uudelleen samasta alustuksesta ja datajärjestyksestä. Tämä ei ole lupaus bittitarkasti identtisistä painoista GPU:lla, mutta se on ero uudelleenajon ja uuden kokeen välillä. Jos GR00T-ajo tuottaa toimivan käytännön etkä säilyttänyt tarkistuspistettä, maksat täyden hinnan tuloksesta, joka saattaa poiketa enemmän kuin tavoittelemasi ero. On toinenkin tapa menettää maksamasi tarkistuspiste: CLI oletusarvoisesti käyttää --save-total-limit 5, joka on dokumentoitu maksimimääräksi säilytettäviä tarkistuspisteitä ennen vanhempien poistamista. Tallennustila maksaa senttejä; uudelleenajo maksaa 4–12 USD ja kestää kuusi tuntia.

Tee se itse verrattuna alustan kortin vuokraamiseen

# GR00T N1.7, single GPU, Isaac-GR00T as of August 2026.
# Note the entry point: gr00t/experiment/launch_finetune.py, a tyro CLI.
# scripts/gr00t_finetune.py does not exist in this repository; tutorials that
# still reference it are stale. The per-embodiment walkthrough is
# getting_started/finetune_new_embodiment.md.
CUDA_VISIBLE_DEVICES=0 uv run python gr00t/experiment/launch_finetune.py \
    --base-model-path nvidia/GR00T-N1.7-3B \
    --dataset-path demo_data/cube_to_bowl_5 \
    --embodiment-tag NEW_EMBODIMENT \
    --modality-config-path examples/SO100/so100_config.py \
    --num-gpus 1 \
    --output-dir ./so100-checkpoints \
    --max-steps 20000 \
    --global-batch-size 32 \
    --dataloader-num-workers 4

# v3.0 dataset? Convert it down first or the loader will crash. The helper
# has its own pyproject and must be installed in its own environment:
cd scripts/lerobot_conversion
uv venv && source .venv/bin/activate
uv pip install -e .
python convert_v3_to_v2.py --repo-id <DATASET_REPO_ID>

Mitä alusta veloittaa ja miten se valitsee kortin

Logiikka on tarkoituksella yksinkertainen. Jokainen malli luettelossa ilmoittaa GPU-tason; taustaohjelma ottaa tarvittavan VRAM-muistin ja vuokraa vastaavan kortin samalta edellä mainitulta spot-markkinoilta. Siksi ilmoitettu hinta on vaihteluväli, ei kiinteä hinta. GR00T ja Pi0.5 ovat täällä vain pilvipohjaisia 40 GB:n ja 70 GB:n vähimmäisvaatimusten vuoksi. SmolVLA ja ACT toimivat myös paikallisesti omalla 24 GB:n kortillasi, jolloin pilvikustannukset ovat nolla ja sähkö on sinun ongelmasi.

Yksi säätö ansaitsee varoituksen. Gradientin akkumulaatio pätee aidosti molempiin GR00T-variantteihin, joten sen nostaminen ostaa suuremman tehollisen erän samalle kortille. Pi0.5:lle ja SmolVLA:lle se ei päde lainkaan: lerobot 0.5.1:ssä ei ole gradientin akkumulaatiovaihtoehtoa sen koulutuskokoonpanossa, joten kentän asettaminen arvoon 16 ei maksa mitään eikä osta mitään. Jos jonossa oleva työ ei koskaan käynnisty, jonoon juuttuneen työn sivu käsittelee mitä tarkistaa; jos tietojoukko hylätään ennen ajon alkua, se on melkein aina v3.0-muoto-ongelma.

Laskettu budjetti ensimmäiselle toimivalle käytännölle

Kaikki neljä riviä yhdessä, alkaen tyhjästä. GPU:n kokonaismäärä olettaa 3–5 ajoa: ensimmäinen todistaa putkilinjan toimivan, toinen paljastaa dataongelman, kolmas tai neljäs on se, jonka pidät.

Tämä kaava pätee tämänkokoisissa roboteissa: laskenta on pyöristysvirhe, laitteisto on todellinen kertakustannus, ja ihmistyötunnit ovat toistuva kulu. Jotta voit testata koulutuspuolta ennen mitään ostoja, antavat sinun vertailla malleja ja vuokrata GPU:n ilman robottikättä, ja on fyysinen SO-100, jota voit ohjata selaimessa ilman rekisteröitymistä. Koko putkilinjan osalta kattaa asennuksen, ja koulutuksen, ja on lyhyt versio.