Troškovi VLA obuke: Koliko zaista košta jedno fino podešavanje

Račun ima četiri stavke, a GPU je najmanja

Kada ljudi pitaju koliko košta fino podešavanje modela vida, jezika i akcije, za SO-100, skoro uvek misle na iznajmljivanje GPU-a. To je broj koji se pojavljuje kao naplata na kartici, pa je to onaj koji deluje stvarno. Takođe je, sa velikom razlikom, najmanji od četiri broja koji određuju koliko zapravo košta funkcionalna politika.

Vremena obuke u nastavku potiču iz radova i repozitorijuma pet modela, troškovi hardvera iz objavljenog spiska materijala, brojevi platformi od AY-Robots katalog politika i stranice sa cenama. Tamo gde platforma ne pomaže, ovaj članak to navodi.

Koliko zapravo košta GPU sat na spot tržištu

Ne postoji jedinstvena cena za A100 sat. Na tržištu kao što je vast.ai, svaki host postavlja sopstvenu cenu, a pokretanje obuke koje pokrenete sleti na mašinu koja je jeftina i slobodna u tom trenutku. Iskren odgovor je distribucija. Evo je, izmerena 23. avgusta 2026. u 13:44 UTC: pojedinačne pune kartice, na zahtev, filtrirane po stvarnom VRAM-u.

# 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

Zašto 3B modeli ne mogu da koriste jeftinu karticu

Sat 4090 i sat H100 80 GB se razlikuju otprilike šest puta po gornjim medijanama. Ono što vas primorava na skupu karticu nije brzina, već memorija. openpi postavlja donju granicu za potpuno Pi0.5 fino podešavanje na 70 GB, a NVIDIA preporučuje 40 GB ili više za GR00T. Imajte na umu šta GR00T broj nije. Njegova konfiguracija za fino podešavanje podrazumevano zamrzava jezički model i vizuelni enkoder (tune_llm i tune_visual su False, projektor i difuziona glava True), zbog čega katalog navodi otprilike 40 M obučenih parametara od 3 B. 40 GB nije stanje optimizatora za 3 B težina, već zamrznuta okosnica plus aktivacije. Varijante smanjenog opsega zahtevaju manje: openpi-jev LoRA put traži 22.5 GB i imenuje 4090, a NVIDIA-in Isaac Lab Arena radni tok navodi opciju jedne GPU kartice od 24 GB za GR00T post-trening. Platforma se rangira na osnovu donje granice koju svaki dobavljač objavljuje za konfiguraciju koju stvarno pokreće. Objašnjenje pi0 flow-matching-a objašnjava odakle taj flow-matching otisak dolazi.

Ta tabela je razlog zašto platforma deli pet modela u dva nivoa. GR00T N1.7, GR00T N1.5 i Pi0.5 idu na A100 80 GB ili H100 jer to traže dobavljači. SmolVLA i ACT idu na RTX 4090 ili bilo koju karticu od 24 GB jer je to zaista dovoljno.

Koliko dugo svaki od pet modela zapravo radi

Vreme izvršavanja je druga polovina troška: 2.00 USD po satu je nebitno ako posao traje 40 minuta, a pogubno ako traje 40 sati. Ovo su podrazumevane vrednosti koje AY-Robots zaista šalje treneru, sa prozorom izvršavanja i cenom za svaki nivo.

Odakle potiču ti prozori za izvršavanje uzvodno

• SmolVLA: dokumentacija lerobot-a navodi da 20.000 koraka traje otprilike 4 sata na jednoj A100 kartici. Platforma izvršava istih 20.000 koraka na jeftinijem nivou od 24 GB, stoga je to prozor, a ne fiksna 4 sata.
• ACT: originalni ALOHA rad izveštava o oko 5 sati na jednoj 11 GB RTX 2080 Ti kartici za model sa 80 miliona parametara. 4090 je nekoliko generacija novija, ali platforma budžetira 100.000 koraka, tako da se prozor nalazi na istom mestu.
• GR00T: NVIDIA-in referentni tok rada za generaciju N1.6 navodi otprilike 4 do 8 sati za 20.000 koraka pri batch veličini 24 na osam L40S kartica, i 2 do 3 sata za 30.000 koraka pri batch veličini 16 na jednoj Ada 6000 kartici. Fino podešavanje 3B VLA modela na jednoj kartici za nekoliko sati je normalno, a ne optimistično.
• Pi0.5: openpi ne objavljuje podatke o stvarnom vremenu, ali objavljuje donju granicu od 70 GB za potpuno fino podešavanje, što određuje karticu, a samim tim i brzinu.

Vredi se zadržati na broju koji ne plaćate. GR00T N1 rad izveštava o otprilike 50.000 H100 GPU sati za predtreniranje 2.2B modela, na klasteru do 1024 GPU-a, sa veličinom batch-a za predtreniranje od 16.384 za 200.000 gradijentnih koraka. Po ceni od 1.34 do 2.34 USD po satu, mereno iznad, to je reda veličine 67.000 do 117.000 USD iznajmljenog računarstva. SmolVLA rad procenjuje svoj projekat na približno 30.000 GPU sati preko 481 skupa podataka zajednice, 22.9K epizoda i 10.6M frejmova. Sve to nasleđujete po ceni preuzimanja; vaših 8 USD kupuje poslednjih 20.000 koraka. Zašto su VLA modeli izgrađeni na ovaj način pokriva tu podelu.

Ruka: jednokratni trošak koji zasenjuje račun za GPU

Jedno pokretanje obuke košta manje od ručka. Robot ne. Zato je SO-100 važan: to je najjeftinija ruka koju ceo učenje imitacijom lanac alata zapravo podržava.

Uzvodna lista materijala u SO-ARM100 repozitorijumu je detaljnija i vredi je proveriti u odnosu na vaš region: njena Delovi za dve ruke lista iznosi ukupno 229.88 USD ili 226.30 EUR za postavku vođe i pratioca, a njena Delovi za jednu ruku pratioca lista iznosi ukupno 121.94 USD ili 124.30 EUR. Šest STS3215 servomotora po 13.89 USD svaki čine 83.34 od tih 121.94, tako da su servomotori ruka. Po ceni od 1 do 3 USD po pokretanju SmolVLA ili ACT, jedan par ruku vredi između 77 i 230 pokretanja obuke. Ako još uvek birate, SO-100 u odnosu na SO-101 je poređenje koje je važno, jer su ova dva dovoljno slična da je odluka više o dostupnosti nego o sposobnosti.

Ljudski sati: stavka koju niko ne stavlja u tabelu

Ovo je broj koji preokreće diskusiju o troškovima. Snimanje demonstracija podrazumeva da osoba pomera robotsku ruku, jednu epizodu za drugom, u realnom vremenu. Nema grupisanja niti iznajmljivanja po sekundi. LeRobot skup podataka snimač dolazi sa podrazumevanim postavkama koje olakšavaju računanje, sve tri potvrđene u DatasetRecordConfig: 60 sekundi po epizodi, 60 sekundi za resetovanje scene, 50 epizoda. Kolona sa novcem ispod pretpostavlja 15 USD za sat vremena nečijeg rada, što je pretpostavka, a ne broj platforme. Zamenite sopstvenom stopom; poenta je u odnosu.

1. 1
   Snimite skup podataka sa podrazumevanim vrednostima koje će vam zapravo biti naplaćene

   Ovo je lerobot 0.6.1, verzija na PyPI-ju od 3. avgusta 2026. Obratite pažnju na oblik CLI-ja: snimanje se pokreće preko ulazne tačke konzole lerobot-record (lerobot.scripts.lerobot_record), a ne stare putanje modula python -m lerobot.scripts.record. AY-Robots cilja verziju 0.5.1, a 0.5.1 wheel deklariše iste ulazne tačke lerobot-record i lerobot-train, tako da je oblik ispod stabilan za obe verzije. Tri vremenske zastavice su podrazumevane vrednosti, tako da je ovo i komanda koju pretpostavlja aritmetika u sledećoj tabeli.

   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
   Pogledajte šta ste snimili pre nego što iznajmite ijedan minut GPU-a

   Pregledanje skupa podataka košta nula USD po satu. Otkrivanje istog problema iz krive gubitka košta 2.00 USD po satu na H100 nivou i saznajete četiri sata kasnije. Gurnite skup podataka i pregledajte ga u LeRobot pregledaču, ili pretražite AY-Robots direktorijum skupova podataka.

   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
   Trenirajte i uverite se da kontrolna tačka nadživi pod

   Iznajmljena mašina je po definiciji privremena, pa pišite kontrolne tačke negde trajno tokom izvršavanja. Dve zastavice odlučuju da li ćete zadržati ono što ste platili. --save_freq podrazumevano iznosi 20.000 koraka, tako da podrazumevano izvršavanje SmolVLA od 20.000 koraka piše svoju prvu kontrolnu tačku kada je izvršavanje već završeno; smanjite je pre nego što iznajmite bilo šta što se može prekinuti. --save_checkpoint_to_hub zahteva --policy.repo_id i ne postoji u lerobot 0.5.1, tako da u toj verziji sami kopirate izlazni direktorijum sa mašine. Veličina paketa ispod je primer iz dokumentacije; AY-Robots forma šalje 2 za SmolVLA i piše u skladište objekata kako se kontrolne tačke pojavljuju.

   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

Uporedite desnu kolonu sa troškovima pokretanja od 1 do 12 USD. Po toj pretpostavljenoj stopi, skup podataka od 50 epizoda košta dva do sedam puta više za snimanje nego za obuku, pre kalibracije, podešavanja kamere i epizoda koje odbacite. Zato ima direktnu novčanu vrednost. LeRobot vodič predlaže najmanje 50 epizoda sa 10 po lokaciji objekta; SmolVLA dokumentacija izveštava da verzija istog zadatka sa 25 epizoda nije bila dovoljna.

Gde novac zapravo nestaje

1. Pokretanja na podacima koji nikada ne bi funkcionisali

Pokretanje GR00T-a od 20.000 koraka na skupu podataka sa dva zamenjena strima kamere košta isto kao i na čistom skupu podataka, traje isto vreme i proizvodi krivu gubitka koja izgleda dobro. Kvar se pojavljuje na ruci, satima kasnije. se naplaćuju po satu, a dijagnoza se naplaćuje u danima. Dva simptoma vredna pamćenja: obično znači da zapažanja ne sadrže ono što je zadatku potrebno, i znači da je skup podataka imao manje varijacija nego što ste mislili.

2. Plaćanje cena modela osnove za zadatak sa fiksnom kamerom

ACT ima otprilike 80M parametara i dizajniran je za obuku od nule na 50 demonstracija jednog zadatka. GR00T N1.7 ima otprilike 3B sa unapred obučenom okosnicom. Za fiksiranu kameru, fiksni sto i jedan objekat, model od 80M često postiže cilj, radi sa oko 20 ms po koraku akcije umesto 152 ms, i košta 1 do 3 USD po pokretanju umesto 4 do 12. Potrošite 3 USD da biste saznali da li jeftin model radi pre nego što potrošite 12 USD na skupi. ACT protiv SmolVLA i GR00T N1.7 protiv Pi0.5 pokazuju gde svaki prestaje da bude pravi odgovor; arena modela ima 85 modela i 332 rezultata benčmarka.

3. GPU na koji ste zaboravili

Najjeftinija greška za sprečavanje i najčešća za pravljenje. Instanca pokrenuta u petak radi otklanjanja grešaka naplaćuje se tokom vikenda po istoj stopi kao i stvarno pokretanje.

Na AY-Robots, ovaj kvar je eliminisan za inferencu: podovi obezbeđeni putem inference API-ja nose nadzornika neaktivnosti i uništavaju se nakon perioda neaktivnosti. Ako sami iznajmljujete karticu, taj nadzornik je vaš podsetnik u kalendaru.

4. Plaćanje dvaput za isti odgovor

GR00T-ova ulazna tačka za fino podešavanje je tyro CLI koji ne eksponira seed. To nije ograničenje platforme, već je to alat uzvodno: ne postoji polje za seed u gr00t/configs/finetune_config.py, a saveti za obuku samog repozitorijuma upozoravaju da se pokretanja razlikuju za 5 do 6 procenata jer su augmentacije slike nedeterminističke. lerobot podrazumevano koristi seed 1000 u verzijama 0.5.1 i 0.6.1, tako da se pokretanja ACT, SmolVLA i Pi0.5 mogu barem ponovo pokrenuti iz iste inicijalizacije i redosleda podataka. To nije obećanje bit-identičnih težina na GPU-u, ali je razlika između ponovnog pokretanja i novog eksperimenta. Ako GR00T pokretanje proizvede politiku koja funkcioniše, a vi niste sačuvali kontrolnu tačku, plaćate punu cenu za rezultat koji se može razlikovati više nego razlika koju ste jurili. Postoji drugi način da izgubite kontrolnu tačku koju ste platili: CLI podrazumevano koristi --save-total-limit 5, dokumentovano kao maksimalan broj kontrolnih tačaka koje se čuvaju pre nego što se starije obrišu. Skladištenje košta cente; ponovno pokretanje je 4 do 12 USD i šest sati.

Raditi sami naspram prepuštanja platformi da iznajmi karticu

# 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>

Šta platforma naplaćuje i kako bira karticu

Logika je namerno dosadna. Svaki model u katalogu deklariše nivo GPU-a; pozadinski sistem uzima potrebnu VRAM memoriju i iznajmljuje odgovarajuću karticu na istom spot tržištu merenom iznad. Zato je navedena cena raspon, a ne fiksna cena. GR00T i Pi0.5 su ovde samo u oblaku zbog minimalnih zahteva od 40 GB i 70 GB. SmolVLA i ACT takođe rade lokalno na vašoj sopstvenoj kartici od 24 GB, gde je trošak oblaka nula, a struja je vaš problem.

Jedna opcija zaslužuje upozorenje. Akumulacija gradijenta se zaista primenjuje za obe GR00T varijante, tako da njeno povećanje omogućava veći efektivni batch na istoj kartici. Za Pi0.5 i SmolVLA se uopšte ne primenjuje: lerobot 0.5.1 nema opciju akumulacije gradijenta u svojoj konfiguraciji za obuku, tako da postavljanje polja na 16 ne košta ništa i ne donosi ništa. Ako posao u redu čekanja nikada ne počne, stranica o zaglavljenim poslovima u redu čekanja objašnjava šta treba proveriti; ako je skup podataka odbijen pre početka pokretanja, to je skoro uvek problem sa formatom v3.0.

Razrađen budžet za prvu funkcionalnu politiku

Sve četiri stavke zajedno, počevši od nule. Ukupan GPU trošak pretpostavlja 3 do 5 pokretanja: prvo dokazuje da cevovod radi, drugo otkriva problem sa podacima, treće ili četvrto je ono koje zadržavate.

Obrazac važi i za ovu veličinu robota: računanje je greška zaokruživanja, hardver je stvarni jednokratni trošak, ljudski sati su ponavljajući trošak. Da biste testirali deo za obuku pre kupovine bilo čega, omogućavaju vam da uporedite modele i iznajmite GPU bez robotske ruke, a je fizički SO-100 kojim možete upravljati u pretraživaču bez registracije. Za ceo proces od početka do kraja, pokriva podešavanje, i obuku, a je kratka verzija.