小红书开源Relax训练引擎 瞄准多模态智能体新赛道

2026年4月15日，小红书AI平台团队做了一件让行业颇感意外的事：他们正式对外开源了Relax——一个专为多模态与智能体场景打造的大模型强化学习训练引擎。这个引擎支持文字、图像、音频、视频的全模态统一处理，并凭借两项核心机制优化训练效率，直接切入了当前AI行业公认的核心赛道。这一举动，无疑打破了外界对小红书仅仅是个内容社区的固有印象。

说起小红书，大家的第一反应通常是那个充满生活气息的内容社区，其AI能力也多被关联到内容推荐、图文生成这类应用层面。很少有人会把它和底层大模型训练引擎这种“硬核”技术联系起来。这次Relax的低调开源，相当于把小红书在AI底层技术领域的“家底”亮了出来，让人不得不重新审视它的技术实力。

话说回来，当前全球AI产业的共识再清晰不过：

就是下一阶段产业落地的关键战场。与早期只处理文本的单模态大语言模型不同，多模态智能体需要同时调度图文音视频多种数据的训练与推理，这对底层训练引擎的资源调度能力提出了前所未有的高要求。

问题恰恰出在这里。过去，市面上多数开源训练引擎都是针对文本大模型优化的，一旦遇到多模态场景复杂的资源分配需求，往往就“水土不服”，导致算力浪费、训练效率低下。这成了许多团队研发多模态模型时绕不开的“拦路虎”。

那么，Relax是如何破局的呢？它设计了两项核心技术机制，直指行业共性痛点。

首先是

。简单来说，引擎能够自动识别不同输入模态（比如图像和文本）的计算特性，从而智能地分配GPU等计算资源。这就好比一个聪明的调度员，能根据每项任务的实际工作量来调配人手，避免了“有人忙死、有人闲死”的算力分配不均问题。

其次是

。这项技术通过异步流水线重构了整个训练流程，大幅减少了各个模块在等待数据时的“空转”时间。想象一下一条高效运转的生产线，上一道工序还没完全结束，下一道工序的准备工作就已经开始了，整体效率自然大幅提升。

这两项机制双管齐下，直接提升了多模态大模型训练的整体效率与可扩展性。对于需要进行大规模训练的AI团队而言，这无疑是一个具备实际工程价值的落地方案。

值得注意的是，小红书并非传统的AI基础设施厂商。它选择将内部打磨成熟的训练引擎开源，背后释放的信号相当明确：一方面，坐拥数十亿级多模态内容的小红书，其自身的大模型底层训练能力已经搭建完成，技术积累达到了可以对外输出的水准；另一方面，开源这一动作本身，也标志着小红书正以技术提供者的身份，正式切入AI基础层领域。

未来，随着多模态智能体落地进程的加速，业界自然会关注一个问题：小红书是否会基于Relax技术栈，推出更多上层AI产品，从而进一步完善其AI生态布局？这个问题的答案，或许将定义小红书在下一代AI竞争中的新角色。