前特斯拉人工智能与自动驾驶视觉总监、OpenAI研究员安德烈·卡帕西近日在GitHub平台开源了一款名为nanochat的极简AI模型训练框架，宣称开发者仅需不到100美元（约合人民币711.5元）即可训练出具备基础对话能力的“简易版ChatGPT”。该项目上线后迅速获得开发者社区关注，短短数日内在GitHub收获5600余个星标。
与传统大模型训练方案不同，nanochat采用全栈式设计，整合了从数据预处理到模型部署的全流程工具。卡帕西在技术文档中强调，该框架通过精简代码库（仅8304行）和优化训练流程，实现了对计算资源的高效利用。其核心架构借鉴了meta的Llama模型，同时融入了modded-nanoGPT的改进方案，在保持轻量化的同时提升了训练效率。
根据开发者实测数据，nanochat在指令微调阶段仅需3小时51分钟即可完成基础训练，总成本控制在92.4美元（约合人民币657.4元）。卡帕西在社交媒体调侃称：“剩余的8美元足够买份冰淇淋庆祝。”不过他同时指出，当前版本对强化学习的支持尚不完善，相关训练时间未计入总耗时。
在性能表现方面，nanochat展现出超预期的潜力。实验数据显示，经过12小时训练的模型在CORE评估指标上已超越GPT-2；当训练投入提升至约1000美元（约合人民币7114.7元）并持续41.6小时后，模型在基础数学、编程问题解决及选择题测试中的准确率显著提升。具体到细分任务，深度为30的模型训练24小时后，在MMLU语言理解基准测试中得分超40分，ARC-Easy常识推理任务准确率超70%，GSM8K数学推理测试得分超20分。
该框架的技术亮点体现在多个创新环节：采用Rust语言重新实现训练分词器，提升处理效率；基于FineWeb数据集进行Transformer模型预训练，并通过多维度指标评估；引入SmolTalk对话数据集进行中期训练，增强模型交互能力；支持指令微调及在GSM8K数据集上的强化学习（可选GRPO算法）；通过KV缓存引擎实现高效推理，兼容CLI命令行及网页交互界面；最终生成包含游戏化评估的Markdown报告。
在社交媒体展示的对话案例中，基础版nanochat已能完成流畅对话及诗歌创作任务。开发者社区对此反应热烈，有用户评价称“该项目为AI技术平民化提供了可行路径”，更有技术爱好者制作了交互式代码图谱，帮助开发者更直观地理解框架结构。卡帕西在回复评论时透露，团队正持续优化模型性能，未来可能通过社区协作进一步降低训练门槛。
业内人士分析，nanochat的价值不仅在于其低成本特性，更在于它验证了“小而精”模型的开发潜力。尽管当前性能与商用大模型存在差距，但其展现的性价比优势为教育、科研等资源有限场景提供了新的解决方案。随着开源社区的持续完善，这类轻量化框架或将成为推动AI技术普及的重要力量。
