RL 环境价格带与成本结构

价格带

Epoch 访谈 18 位从业者：单条任务多为 $200–2,000，复杂软件工程偶见 $2 万；合同常为每季度六到七位数美元；独占溢价为非独占的 4–5 倍 [1]。SemiAnalysis：UI gym 约 $2 万每个站点，媒体称 OpenAI 已采购数百个 [2]。高保真产品复刻（Slack 级）约 $30 万；另有 neolab 研究员称合同 $30–50 万，那是合同规模而非单环境价。

成本结构

单任务算力：一个 rollout group（64 次、各 50 万 token）按 $15 每百万 token 约 $480，复用 5 次约 $2,400，这是 Mechanize 的估算而非实测，且它是利益相关方，其"单任务低于约 $500 不划算"属预测 [3]。grader 最贵；成本在管理与质检而非找专家。单个 coding 环境造价没有一手披露，成本占比拆分无来源，不可引用。

口径

Anthropic 曾被报道讨论过一年内在 RL 环境上花 $10 亿以上，是"讨论"而非确认预算 [4]。行业规模的 $85 亿口径见 数据商市场结构。

来源

1. https://epoch.ai/gradient-updates/state-of-rl-envs (2026-10-15)
2. https://newsletter.semianalysis.com/p/rl-environments-and-rl-for-science (2026-10-15)
3. https://www.mechanize.work/blog/cheap-rl-tasks-will-waste-compute/ (2026-10-15)
4. https://techcrunch.com/2025/09/21/silicon-valley-bets-big-on-environments-to-train-ai-agents/ (2026-10-15)