Applied Compute CEO on the Limits of RL, the New AI Hyperscaler & Why Post-Training Wins Inference

Applied Compute 的 Yash 说，RL 本质是台"爬山机"，最难的不是爬，而是定义爬哪座山——所以公司真正的护城河是评测标准，不是模型权重。

所有人都在喊"拥有你自己的智能"，但真到掏钱那一步，问题就变成了：我到底该优化提示词，还是该动模型权重？这期请来了 Applied Compute 的 Yash，他既在 OpenAI 干过，现在又帮一堆前沿 AI 应用做后训练。他把"什么时候该后训练、什么时候纯属浪费钱"讲成了一套能直接对照自己业务的判断标准。

Yash 在 OpenAI 工作过，他不认为这是防着大厂使坏，而是一道关于灵活性和控制权的算术题。

• 控制权比防贼更重要：模型跑在哪、怎么部署、优化成本还是延迟，这些都得自己说了算，前提是你手里得有权重和能跑训练、推理、路由的整套基础设施。
• 模型被下架不是假设：Yash 说模型从产品里被抽走"已经发生过不止一次"，尤其在编程领域；当大厂开始做垂直行业，跟它直接竞争的公司还能不能继续用它的 API，是个问号。
• OpenAI 和 Base 10 的合作是信号：企业可以用 OpenAI 的额度去跑开源模型，Yash 认为这说明多模型未来已经赢了——客户要的是选择权，不是绑定。

Yash 反复强调一条曲线：不是每个任务都需要最强模型，关键是你能不能把性价比曲线往外推。

• 数据越"离群"越值得训：如果你的数据是模型从没见过的，后训练能带来能力提升；如果只是通用任务，训了也白训。大多数公司后训练其实是在优化性价比，不是刷能力上限。
• 先榨干提示词，再动权重：Yash 的建议顺序是先做上下文优化和工具编排，等这些都榨干了，再考虑改模型策略——因为后训练的成本虽然在降，但目前还是更贵。
• 芯片公司的真实案例：有家芯片公司自己写了一套软件，通用模型根本不会用，做 ETL 验证很吃力；用 RL 一训，模型表现立刻上了一个台阶。

Yash 说 RL 本身不神秘，难的是告诉它"什么算爬对了"。

• 评测标准就是护城河：所有公开榜单最后都会被刷爆，所以真正属于你的评测标准，最好别告诉别人——就像你不会乐意让员工去竞争对手那儿干活一样。
• 非可验证领域也能训：把没有标准答案的任务变成"专家打分"的评分制，效果出奇地好；不同公司的专家不同，训出来的模型自然也不同。
• Harvey 的合同审查模型：他们收集了律师的评分标准和答案，加上合成数据，给模型配上工具，用专家答案当裁判——任务、环境、验证器三件套齐了，模型就训出来了。

"你的员工不是可替换的零件，你不会乐意他们去别的公司干活——模型也是一样。"

• 如果你在评估要不要做后训练，先问自己一个问题：我的数据是不是模型从没见过的？如果是通用任务，先把提示词和工具编排榨干再说。
• 把评测标准当成核心资产来管：公开榜单会被刷爆，真正属于你业务的评分标准，越少人知道越好。