VLA Eğitim Maliyeti: Bir İnce Ayar Çalışması Gerçekte Ne Kadara Mal Olur

Faturanın dört kalemi var ve GPU en küçüğü

İnsanlar bir görsel-dil-eylem modeli SO-100 için ince ayar yapmanın maliyetini sorduklarında, neredeyse her zaman GPU kiralamayı kastederler. Bu, bir kartta ücret olarak görünen sayıdır, bu yüzden gerçek hissettiren odur. Aynı zamanda, çalışan bir politikanın size gerçekten ne kadara mal olduğunu belirleyen dört sayıdan açık ara en küçüğüdür.

Aşağıdaki eğitim süreleri beş modelin kendi makalelerinden ve depolarından, donanım maliyeti yayınlanmış malzeme listelerinden, platform numaraları AY-Robots politika kataloğu ve fiyatlandırma sayfası. Platformun yardımcı olmadığı durumlarda, bu makale bunu belirtir.

Spot piyasada bir GPU saatinin gerçek maliyeti nedir

Bir A100 saati için tek bir fiyat yoktur. vast.ai gibi bir pazar yerinde her ana bilgisayar kendi oranını belirler ve eğitim çalıştırması başlattığınızda o an ucuz ve boş olan makineye düşer. Dürüst cevap bir dağılımdır. İşte 23 Ağustos 2026, 13:44 UTC'de ölçülen hali: tek tam kartlar, isteğe bağlı, gerçek VRAM'e göre filtrelenmiş.

# 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

3B modeller neden ucuz kartı kullanamaz?

Bir 4090 saat ve bir H100 80 GB saat, yukarıdaki medyanlarda yaklaşık altı kat farklılık gösterir. Sizi pahalı karta zorlayan şey hız değil, bellektir. openpi, tam bir Pi0.5 ince ayarı için tabanı 70 GB olarak belirler ve NVIDIA, GR00T için 40 GB veya daha fazlasını önerir. GR00T sayısının ne olmadığını unutmayın. İnce ayar yapılandırması, dil modelini ve görsel kodlayıcıyı varsayılan olarak dondurur (tune_llm ve tune_visual False, projektör ve difüzyon başlığı True'dur), bu nedenle katalog, 3 milyar parametreden yaklaşık 40 milyon eğitilmiş parametre listeler. 40 GB, 3 milyar ağırlık için optimize edici durumu değil, dondurulmuş omurga ve aktivasyonlardır. Kapsamı azaltılmış varyantlar daha düşük gereksinimlere sahiptir: openpi'nin LoRA yolu 22.5 GB ister ve 4090'ı belirtir ve NVIDIA'nın Isaac Lab Arena iş akışı, GR00T eğitim sonrası için 24 GB tek GPU seçeneği listeler. Platform, her satıcının gerçekten çalıştırdığı yapılandırma için yayınladığı taban seviyelerine göre katmanlara ayrılır. pi0 akış eşleştirme yazısı, bu akış eşleştirme ayak izinin nereden geldiğini açıklar.

Bu tablo, platformun beş modeli iki katmana ayırmasının nedenidir. GR00T N1.7, GR00T N1.5 ve Pi0.5 A100 80 GB veya H100 üzerinde çalışır çünkü satıcılar bunu talep eder. SmolVLA ve ACT bir RTX 4090 veya herhangi bir 24 GB kart üzerinde çalışır çünkü bu gerçekten yeterlidir.

Beş modelin her birinin gerçekte ne kadar çalıştığı

Çalışma süresi maliyetin diğer yarısıdır: İş 40 dakika sürüyorsa saat başına 2.00 USD önemsizdir, ancak 40 saat sürüyorsa yıkıcıdır. Bunlar, AY-Robots'un eğitmene gerçekten gönderdiği varsayılan değerlerdir; her katman için çalışma penceresi ve maliyet belirtilmiştir.

Bu çalışma pencereleri yukarı akıştan nereden geliyor?

• SmolVLA: lerobot dokümantasyonu, 20.000 adımın tek bir A100 üzerinde yaklaşık 4 saat sürdüğünü belirtir. Platform, aynı 20.000 adımı daha ucuz 24 GB'lık katmanda çalıştırır, bu nedenle düz 4 saat yerine bir pencere oluşur.
• ACT: orijinal ALOHA makalesi, 80M parametreli bir model için tek bir 11 GB RTX 2080 Ti üzerinde yaklaşık 5 saat rapor etmektedir. Bir 4090 birkaç nesil daha yeni olsa da, platform 100.000 adım bütçelediği için pencere aynı yere denk gelir.
• GR00T: NVIDIA'nın N1.6 nesli için referans iş akışı, sekiz L40S kartında 24'lük parti boyutuyla 20.000 adım için yaklaşık 4 ila 8 saat ve tek bir Ada 6000'de 16'lık parti boyutuyla 30.000 adım için 2 ila 3 saat belirtmektedir. Bir 3B VLA'nın birkaç saat içinde tek kartla ince ayarı normaldir, iyimser değildir.
• Pi0.5: openpi, gerçek zamanlı bir rakam yayınlamaz, ancak tam bir ince ayar için 70 GB'lık taban değeri yayınlar, bu da kartı ve dolayısıyla oranı belirler.

Ödemediğiniz sayı üzerinde durmaya değer. GR00T N1 makalesi, 2.2B modeli önceden eğitmek için, 1024 GPU'ya kadar bir kümede, 16.384'lük bir ön eğitim parti boyutuyla 200.000 gradyan adımı için yaklaşık 50.000 H100 GPU saati rapor etmektedir. Yukarıda ölçülen saat başına 1.34 ila 2.34 USD ile bu, 67.000 ila 117.000 USD değerinde kiralanmış hesaplama gücü anlamına gelir. SmolVLA makalesi, projesini 481 topluluk veri kümesi, 22.9K bölüm ve 10.6M kare üzerinde yaklaşık 30.000 GPU saati olarak belirtir. Tüm bunları bir indirme fiyatına miras alırsınız; 8 USD'niz son 20.000 adımı satın alır. VLA'lar neden bu şekilde inşa edilir? bu ayrımı kapsar.

Kol: GPU faturasını gölgede bırakan tek seferlik bir maliyet

Bir eğitim çalıştırması öğle yemeğinden daha ucuza mal olur. Robot ise öyle değildir. Bu yüzden SO-100 önemlidir: tüm taklit öğrenme araç zincirinin gerçekten desteklediği en ucuz koldur.

SO-ARM100 deposundaki yukarı akış malzeme listesi daha ayrıntılıdır ve bölgenize göre kontrol etmeye değerdir: İki Kol İçin Parçalar listesi, bir lider artı takipçi kurulumu için toplam 229.88 USD veya 226.30 EUR tutarındadır ve Bir Takipçi Kol İçin Parçalar listesi toplam 121.94 USD veya 124.30 EUR tutarındadır. Her biri 13.89 USD olan altı STS3215 servo, bu 121.94'ün 83.34'ünü oluşturur, yani servolar kolun kendisidir. SmolVLA veya ACT çalıştırması başına 1 ila 3 USD maliyetle, bir çift kol 77 ila 230 eğitim çalıştırmasına değerdir. Hala seçim yapıyorsanız, SO-100 ile SO-101 karşılaştırması önemli olan karşılaştırmadır, çünkü ikisi birbirine o kadar yakındır ki karar yetenekten ziyade bulunabilirlikle ilgilidir.

İnsan saatleri: kimsenin e-tabloya yazmadığı satır

Maliyet tartışmasını alt üst eden sayı budur. Gösterileri kaydetmek, bir kişinin bir robot kolunu gerçek zamanlı olarak, her seferinde bir bölüm hareket ettirmesidir. Toplu işlem yapmak veya saniyede kiralamak mümkün değildir. LeRobot dataset kaydedici, aritmetiği kolaylaştıran varsayılan ayarlarla birlikte gelir, üçü de DatasetRecordConfig: her episode için 60 saniye, sahneyi sıfırlamak için 60 saniye, 50 bölüm. Aşağıdaki para sütunu, bir kişinin bir saati için 15 USD varsayar; bu bir platform numarası değil, bir varsayımdır. Kendi ücretinizi yerine koyun; önemli olan orandır.

1. 1
   Gerçekten faturalandırılacağınız varsayılan ayarlarla veri kümesini kaydedin

   Bu, 3 Ağustos 2026 itibarıyla PyPI'daki lerobot 0.6.1 sürümüdür. CLI şekline dikkat edin: kayıt, eski python -m lerobot.scripts.record modül yolu yerine lerobot-record konsol giriş noktası (lerobot.scripts.lerobot_record) aracılığıyla çalışır. AY-Robots 0.5.1'i hedefler ve 0.5.1 tekerleği aynı lerobot-record ve lerobot-train giriş noktalarını bildirir, bu nedenle aşağıdaki şekil her ikisinde de kararlıdır. Üç zamanlama bayrağı yukarı akış varsayılanlarıdır, bu nedenle bu, bir sonraki tabloda aritmetiğin varsaydığı komuttur.

   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
   Tek bir GPU dakikası kiralamadan önce kaydettiklerinize bakın

   Bir veri kümesini incelemek saatte sıfır USD'ye mal olur. Aynı sorunu bir kayıp eğrisinden keşfetmek, H100 katmanında saatte 2.00 USD'ye mal olur ve size dört saat geç haber verir. Veri kümesini yükleyin ve LeRobot görüntüleyicide inceleyin veya AY-Robots veri kümesi dizinine göz atın.

   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
   Eğitin ve kontrol noktasının pod'dan daha uzun süre dayandığından emin olun

   Kiralanan bir makine tanım gereği geçicidir, bu nedenle çalışma sırasında kontrol noktalarını kalıcı bir yere yazın. İki bayrak, ödediğiniz şeyi saklayıp saklamayacağınıza karar verir. --save_freq varsayılan olarak 20.000 adımdır, bu nedenle varsayılan 20.000 adımlık bir SmolVLA çalıştırması, çalışma zaten bittiğinde ilk kontrol noktasını yazar; kesintiye uğrayabilecek herhangi bir şey kiralamadan önce bunu düşürün. --save_checkpoint_to_hub, --policy.repo_id gerektirir ve lerobot 0.5.1'de mevcut değildir, bu nedenle bu sürümde çıktı dizinini makineden kendiniz kopyalarsınız. Aşağıdaki toplu iş boyutu, yukarı akış belgesinin örneğidir; AY-Robots formu SmolVLA için 2 gönderir ve kontrol noktaları göründükçe nesne depolamaya yazar.

   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

Sağdaki sütunu, çalıştırmanın maliyeti olan 1 ila 12 USD ile karşılaştırın. Bu varsayılan oranla, 50 bölümlük bir veri kümesi, kalibrasyon, kamera kurulumu ve attığınız bölümler hariç, üzerinde eğitim yapmaktan iki ila yedi kat daha fazla kayıt maliyetine sahiptir. Bu yüzden doğrudan bir dolar değerine sahiptir. LeRobot kılavuzu, nesne konumu başına 10 olmak üzere en az 50 bölüm önermektedir; SmolVLA belgeleri, aynı görevin 25 bölümlük bir versiyonunun yeterli olmadığını bildirmektedir.

Paranın Gerçekten Nereye Gittiği

1. Asla Çalışmayacak Veriler Üzerindeki Çalıştırmalar

İki kamera akışının yer değiştirdiği bir veri kümesi üzerinde yapılan 20.000 adımlık bir GR00T çalıştırması, temiz bir veri kümesi üzerindekiyle aynı maliyete sahiptir, aynı süreyi alır ve iyi görünen bir kayıp eğrisi üretir. Hata, saatler sonra robot kolunda ortaya çıkar. saatlik olarak faturalandırılır ve teşhis günlerle faturalandırılır. Akılda tutulması gereken iki belirti: genellikle gözlemlerin görevin gerektirdiği bilgiyi taşımadığı anlamına gelir ve veri kümesinin düşündüğünüzden daha az varyasyona sahip olduğu anlamına gelir.

2. Sabit kameralı bir görev için temel model fiyatları ödemek

ACT yaklaşık 80M parametreye sahiptir ve tek bir görevin 50 gösterimi üzerinde sıfırdan eğitilmek üzere tasarlanmıştır. GR00T N1.7, önceden eğitilmiş bir omurgaya sahip yaklaşık 3B parametredir. Sabitlenmiş bir kamera, sabit bir masa ve tek bir nesne için, 80M model sıklıkla hedefe ulaşır, 152 ms yerine eylem adımı başına yaklaşık 20 ms'de çalışır ve 4 ila 12 USD yerine çalıştırma başına 1 ila 3 USD maliyetlidir. Pahalı olana 12 USD harcamadan önce ucuz modelin işe yarayıp yaramadığını öğrenmek için 3 USD harcayın. SmolVLA'ya karşı ACT ve Pi0.5'e karşı GR00T N1.7 her birinin nerede doğru cevap olmaktan çıktığını gösterir; model arenası 85 modele ve 332 kıyaslama sonucuna sahiptir.

3. Unuttuğunuz GPU

Önlenmesi en ucuz ve yapılması en yaygın hata. Bir şeyi hata ayıklamak için Cuma günü başlatılan bir örnek, hafta sonu boyunca gerçek bir çalıştırma ile aynı oranda faturalandırılır.

AY-Robots'ta bu hata çıkarım için tasarlanmıştır: çıkarım API'si tarafından sağlanan pod'lar boşta bir izleyici taşır ve boşta kalma süresinden sonra kendilerini yok eder. Kartı kendiniz kiralarsanız, bu izleyici sizin takvim hatırlatıcınızdır.

4. Aynı cevap için iki kez ödeme yapmak

GR00T'un ince ayar giriş noktası, herhangi bir seed (tohum) açığa çıkarmayan bir tyro CLI'dır. Bu bir platform sınırlaması değil, yukarı akış aracıdır: gr00t/configs/finetune_config.py içinde bir seed alanı yoktur ve deponun kendi eğitim ipuçları, görüntü büyütmelerinin deterministik olmaması nedeniyle çalıştırmaların %5 ila %6 oranında değiştiğini belirtir. lerobot hem 0.5.1 hem de 0.6.1'de varsayılan olarak seed 1000 kullanır, bu nedenle ACT, SmolVLA ve Pi0.5 çalıştırmaları en azından aynı başlatma ve veri sırasından yeniden çalıştırılabilir. Bu, bir GPU üzerinde bit-eşdeğer ağırlıkların bir garantisi değildir, ancak yeniden çalıştırma ile yeni bir deney arasındaki farktır. Eğer bir GR00T çalıştırması işe yarayan bir politika üretirse ve siz kontrol noktası kontrol noktasını saklamadıysanız, peşinde olduğunuz farktan daha fazla farklılık gösterebilecek bir sonuç için tam fiyat ödersiniz. Ödediğiniz bir kontrol noktasını kaybetmenin ikinci bir yolu daha var: CLI varsayılan olarak --save-total-limit 5 kullanır, bu da eski kontrol noktaları silinmeden önce tutulan maksimum kontrol noktası sayısı olarak belgelenmiştir. Depolama kuruşlarla ölçülür; yeniden çalıştırma 4 ila 12 USD ve altı saattir.

Kendiniz Yapmak mı Yoksa Platformun Kartı Kiralamasına İzin Vermek mi?

# 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>

Platform ne kadar ücret alır ve kartı nasıl seçer

Mantık bilerek sıkıcıdır. İçindeki her model katalog, bir GPU katmanı beyan eder; arka uç, gerekli VRAM'i alır ve yukarıda ölçülen aynı spot piyasadan eşleşen bir kart kiralar. Bu nedenle belirtilen maliyet bir fiyat değil, bir aralıktır. GR00T ve Pi0.5, 40 GB ve 70 GB tabanları nedeniyle burada yalnızca bulutta çalışır. SmolVLA ve ACT ayrıca kendi 24 GB kartınızda yerel olarak da çalışır; burada bulut maliyeti sıfırdır ve elektrik sizin sorununuzdur.

Bir ayar uyarılmayı hak ediyor. Gradyan birikimi, her iki GR00T varyantı için de gerçekten geçerlidir, bu nedenle bunu artırmak, aynı kartta daha büyük bir etkili toplu iş sağlar. Pi0.5 ve SmolVLA için hiç geçerli değildir: lerobot 0.5.1'in eğitim yapılandırmasında gradyan birikimi seçeneği yoktur, bu nedenle alanı 16 olarak ayarlamak hiçbir şeye mal olmaz ve hiçbir şey sağlamaz. Eğer sıraya alınmış bir iş hiç başlamazsa, sıraya takılı kalmış iş sayfası, neyi kontrol etmeniz gerektiğini açıklar; eğer veri seti çalıştırma başlamadan önce reddedilirse, bu neredeyse her zaman v3.0 format problemi.

İlk çalışan politika için hazırlanmış bir bütçe

Dört satırın hepsi birlikte, sıfırdan başlayarak. GPU toplamı 3 ila 5 çalıştırma varsayar: ilki hattın çalıştığını kanıtlar, ikincisi bir veri sorununu ortaya çıkarır, üçüncüsü veya dördüncüsü ise sakladığınızdır.

Bu robot boyutunda da aynı durum geçerli: hesaplama bir yuvarlama hatası, donanım gerçek bir tek seferlik maliyet, insan saatleri ise yinelenen bir gider. Herhangi bir şey satın almadan önce eğitim kısmını test etmek için, donanımsız başlangıç noktaları modelleri karşılaştırmanıza ve bir kol olmadan GPU kiralamanıza olanak tanır ve canlı kol tarayıcıda kaydolmadan kullanabileceğiniz fiziksel bir SO-100'dür. Uçtan uca tüm süreç için, eksiksiz SO-100 rehberi kurulumu, teleoperasyonu ve eğitimi kapsar ve ilk politikanızı eğitin kısa versiyonudur.