Miles v0.1 上线，MiniMax 官推祝贺开源伙伴 SGLang/RadixArk

8 月 18 日，MiniMax 官方 X 账号，祝贺「长期合作伙伴」SGLang/RadixArk 发布 Miles v0.1：「从 M-Series 到 H3 和 Music 3，我们一路紧密协作，共同推动开源（OSS）生态向前」。

这则祝贺指向的发布在同一天完成。GitHub 上 radixark/miles 仓库于 8 月 18 日 15:59（UTC）打出，说明文字写着：这是 Miles 的第一个版本化发布，一个面向前沿模型后训练的全栈生产级系统；约三小时后，MiniMax 的祝贺发出。LMSYS 官网同日刊出长文。Miles 是开源强化学习（RL）框架，负责大模型后训练：SGLang 引擎生成轨迹（rollout），Megatron-LM 或 PyTorch FSDP 完成训练，新权重再同步回 rollout 集群。给出的账本是：过去 9 个月，72 位贡献者提交 1,326 个 commit，跑通 85 项 GPU 端到端 CI 测试。

MiniMax 官推祝贺：从 M-Series 到 H3 与 Music 3

推文原文写道：

Congrats to our long-term partner SGLang/RadixArk on the launch of Miles v0.1! From M-Series to H3 and Music 3, we've been closely building and pushing the OSS ecosystem forward together. Nothing beats the feeling of seeing things we built together keep growing @radixark @MiniMax_AI

（祝贺我们的长期合作伙伴 SGLang/RadixArk 发布 Miles v0.1！从 M-Series 到 H3 和 Music 3，我们一路紧密协作，共同推动开源生态向前。没有什么比看到我们一起构建的东西不断成长更让人高兴了。）

这串名单能对应到具体的开源产物。列着 MiniMax M2、M2.1 两个型号；MiniMax 7 月 31 日发布通用多模态生成模型并宣布开放权重计划，8 月 3 日，v0.1 发布博客的 Miles-diffusion 首批支持模型名单里也有 Minimax-H3；8 月 13 日 MiniMax 开源音乐模型当天，（LMSYS 官推转发了 sgl_project 的这条推文）。RadixArk 的发布推文还把 MiniMax H3 列入 Miles 实战验证过的前沿开源模型清单。

当事方与第三方都有回应。RadixArk 团队成员 Zhichen Zeng（个人简介为 RadixArk 的 RL 与智能系统方向）在「Thanks @MiniMax_AI」。给出使用记录：他们用 Miles 训练终端编码与 ML 工程方向的 RL agent，并验证自己的 RL 环境，已在数千个环境中用 Miles 搭配 SGLang 完成训练，模型包括 DeepSeek V4 Flash；Miles 高效的异步 RL 支持让他们迭代更快，能把精力放在 agent 和训练数据的质量上。

SGLang 出轨迹，Megatron 出梯度

Miles v0.1 的 RL 训练是三步循环：SGLang 引擎生成多轮轨迹；训练器（默认 Megatron-LM，也可切 FSDP）计算 RL loss、更新策略；新权重同步回所有 rollout 引擎。v0.1 的改动集中在三步各自的瓶颈上。

全异步 RL 解决的是互相等待。同步调度下，训练器要等批次里最慢的一条轨迹，rollout 引擎要等优化器完成更新；v0.1 让 rollout 持续生成，训练器按完成的轨迹组消费，调度粒度细到单条样本，中间用有界数据缓冲解耦，谁也不阻塞谁。

TITO（Token-In-Token-Out）解决 token 一致性。agentic 多轮会话里，模型输出要经过消息解析、工具执行、模板渲染才进入下一轮，这些环节可能改变 token 切分，让训练器看到的上下文与 rollout 实际生成的不一致。TITO 会话服务器保留引擎生成的确切 token ID，每轮只对新消息重新切词并与已有前缀合并，完整轨迹拼成一条连续训练样本。

MoE 稳定性与权重同步是 v0.1 强调的两组数字。MoE RL 对 rollout 与训练之间的微小数值差异敏感，一次 top-k 路由翻转就会改变梯度的去向；R3（Rollout Routing Replay）记录 SGLang 在 rollout 时的专家路由结果并在训练中重放，量化侧提供 NVFP4、MXFP4、MXFP8、FP8 与 INT4 QAT 配方，训练与 rollout 共用位级一致的量化器。权重更新上，P2P RDMA 传输把 Kimi-K2 1T 模型的权重更新时间从 53.3 秒压到 7.2 秒；没有 RDMA 的集群走 disk-delta 增量更新，GLM-4.7-Flash 的单次更新负载从 62.4 GB 降到 0.69 至 0.83 GB，生成暂停控制在 3 至 5 秒内。

64 张 GB300 上的示范跑法

发布博客用一个端到端实验说明「生产级」的含义：用全异步 RL 在 64 张 NVIDIA GB300 上训练 GLM-5.2 744B-A40B 做终端编码任务，32 张卡跑 rollout、32 张卡跑训练，训练并行度 TP 2 / PP 4 / CP 4 / EP 8，推理并行度 TP 8 / EP 8，并开启多 token 预测。

结果：100 步终端编码任务训练稳定跑完，训练步长约 4.5 分钟，rollout 权重平均滞后训练器 1.7 步；rollout 的 prefix-cache 命中率达 96%。内存优化让 744B 模型只用 32 张 GB300 就能做异步训练：优化器状态流式卸载到节点 NVMe，每张 GPU 省下 30+ GB HBM。配套指标图显示，训练步长中位数 263 秒，训练与 rollout 的 KL 均值 0.0369，原始 reward 的 9 步移动平均从 0.438 涨到 0.556。

九个月，从 slime 的一个 fork 到第一个版本

Miles 的前史始于 2025 年 11 月 19 日，RadixArk 团队，定位是企业级 RL 框架，构建在清华 THUDM 的轻量框架 slime 之上，后者当时已被用于训练 GLM-4.6 等模型。README 的更新日志记载着项目启动时的阵容：InfiXAI、蚂蚁集团 AQ 团队、SGLang RL 团队与 Miles 社区共同发起；仓库创建于 2025 年 10 月 9 日，采用 Apache 2.0 协议。

RadixArk 与 SGLang 的关系贯穿项目始终。「我们自豪地构建在 sgl_project 之上」；与 Google Cloud 及 SGLang 社区合作，把 SGLang 的完整特性带到 TPU。v0.1 的 day-0 支持名单进一步绑定了这套「推理加后训练」组合：Kimi-K3、DeepSeek-V4、Inkling、Qwen3.8、NVIDIA Nemotron 3 Ultra 都在权重公开当天即可用 Miles 训练，因为 SGLang 的推理路径与 Miles 的 RL 配方是并行搭建的。

v0.1 还带上了 LoRA RL 与 on-policy distillation（OPD）两类配方：GLM-5.2 744B-A40B 的 LoRA 可训练参数只有 212 MB，约占 BF16 基座权重的 0.014%；Qwen3.5-35B-A3B 的自蒸馏实验里，平均 rollout 长度从 18.6K tokens 降到约 6K，DAPO 从 84.6% 提到 89.5%。

模型厂商把祝贺发到官方账号

v0.1 之前，Miles 没有版本化发布：初版博客与 README 更新日志记录着 FP8、R3、INT4 QAT 等能力陆续落地，直到 v0.1.0，团队才第一次用版本号承诺「全栈生产级」。RadixArk 在发布推文里同时公开了生产侧名单：humansand、periodiclabs、modal、DecagonAI、Eigent AI、nebiusai 与 IBM，硬件覆盖 NVIDIA 与 AMD；当天也说，SGLang 是 Miles 的原生 rollout 引擎，「很高兴看到这么多团队把 Miles 用进真实生产负载」。

day-0 模式正在成为固定节奏：8 月 13 日 Music 3 开源当天，SGLang 给出支持；8 月 18 日 Miles v0.1 发布当天，MiniMax 官号道贺。MiniMax 把 SGLang/RadixArk 称为「长期合作伙伴」，则是「以 SGLang 做服务、以 Miles 做训练，支撑开放权重生态」。

Miles v0.1 没有消除 RL 后训练「难调试」的本质，它把最难的部分，即 rollout 与训练的一致性、权重同步、低精度稳定性，做成了版本化、可复现、可验证的开源组件。MiniMax 选择在官方账号公开道贺，说明「模型开源 + SGLang 服务 + Miles 后训练」这条链路，已经被模型厂商当作可以公开署名的合作形式。

参考链接

MiniMax 官方祝贺推文：
GitHub release v0.1.0：
LMSYS 博客《Miles v0.1: Production-level Post-training》：
radixark/miles 仓库：
RadixArk 发布推文：
Guohao Li 推文：
LMSYS Org 关于 Miles v0.1 的推文：
LMSYS Org 关于 MiniMax H3 上线 SGLang Diffusion 的推文：
LMSYS Org 转发 SGLang day-0 支持 Music 3 的推文：
MiniMax H3 发布博客：
MiniMax Music 3.0 发布博客：
RadixArk 7 月 14 日推文：
RadixArk 7 月 30 日推文（与 Google Cloud 合作）：
RadixArk 7 月 27 日推文：
Zhichen Zeng 回复推文：
LMSYS 博客《Introducing Miles》（2025-11-19）：
封面图（Miles RL 循环架构图）：
GLM-5.2 示范实验指标图：